Upload README.md

README.md

@@ -0,0 +1,94 @@
+# 🧠 Šnekos Atpažinimo Demonstracija (3 kalbėtojai + slaptažodis)
+
+Ši demonstracija leidžia įkelti WAV garso įrašą su **trimis kalbėtojais**, automatiškai atpažinti jų **kalbas (lt, en, de)**, priskirti žymes **(A, B, C)** ir atskirai patikrinti **lietuviškai ištartą slaptažodį** iš kito garso įrašo.
+
+---
+
+## 🔧 Funkcijos
+
+### 🗣️ 1. Kalbėtojų analizė:
+- Įkelkite `.wav` su 3 kalbėtojais
+- Pasirinkite modelį: `Whisper` arba `Wav2Vec2`
+- Sistema:
+  - Segmentuoja kalbėtojus
+  - Atpažįsta kalbą kiekvienam (pvz., A – vokiečių, B – lietuvių, C – anglų)
+  - Parodo, kuris kalbėtojas kalbėjo lietuviškai
+  - ✅ Sugeneruoja **JSON ataskaitą**
+
+### 🔐 2. Slaptažodžio tikrinimas:
+- Įkelkite atskirą `.wav` failą su išsakytu lietuvišku slaptažodžiu
+- Įveskite tikrąjį slaptažodį klaviatūra
+- Pasirinkite modelį
+- Sistema:
+  - Transkribuoja įkeltą .wav
+  - Lygina su įvestu slaptažodžiu
+  - Parodo rezultatą
+
+### 📊 3. Bendra ataskaita:
+- Mygtukas „📊 Peržiūrėti ataskaitą“
+- Ataskaita apjungia:
+  - `whisper.json`
+  - `wav2vec2.json`
+- Parodo kalbėtojų transkripcijas ir kiekvieno modelio analizės trukmę
+
+### 🔉 4. Triukšmo filtravimas (nauja funkcija)
+- Prieš atliekant kalbėtojų analizę galima pasirinkti triukšmo šalinimo metodą:
+  - `Nefiltruoti` – įrašas bus perduodamas kaip yra
+  - `Denoiser` – naudojamas **Asteroid DCCRNet** modelis (mokytas su Libri1Mix)
+  - `Wave-U-Net` – paprastas neuroninis modelis triukšmui mažinti
+- Jei pasirenkamas filtravimas, įkeltas `.wav` failas:
+  - išfiltruojamas,
+  - rezultatas įrašomas į `temp_filtered/ivestis.wav`,
+  - ir tik tuomet perduodamas analizei.
+- Tai leidžia pagerinti kalbos atpažinimo kokybę triukšmingose situacijose.
+
+---
+
+## 📁 JSON Ataskaita
+
+Kiekvienam modelio analizės paleidimui sugeneruojamas JSON failas:
+
+- `rezultatai/whisper.json`
+- `rezultatai/wav2vec2.json`
+
+Formatas:
+```json
+{
+  "modelis": "Whisper",
+  "apdorojimo_laikas": 12.34,
+  "apdorojimo_laikas_tekstu": "0 min. 12 sek.",
+  "segmentai": [
+    {
+      "kalbetojas": "B",
+      "kalba": "lt",
+      "tekstas": "Aktyvuok sistemą",
+      "trukme": 4.2
+    }
+  ]
+}
+
+---
+
+## 🧠 Naudojamos technologijos
+
+- `gradio` – naudotojo sąsaja
+- `openai-whisper` – kalbos atpažinimas (multi-lingual)
+- `wav2vec2` – kalbos modeliai iš Hugging Face
+- `pyannote.audio` – kalbėtojų diarizacija
+- `torchaudio` – garso apdorojimas
+- `json` – ataskaitų išvestis
+- `asteroid` – triukšmo šalinimo modelis (Denoiser / DCCRNet)
+- `Wave-U-Net` – paprasas triukšmo šalinimo tinklas
+- `ataskaita.py` – JSON ataskaitos analizės generatorius
+
+---
+
+## 💡 Pastabos
+
+- Tik vienas kalbėtojas turėtų kalbėti lietuviškai
+- Slaptažodis tikrinamas **tik per atskirą įkeltą failą**
+- VOSK modeliai šioje demonstracijoje nenaudojami (jie yra PC versijoje)
+
+---
+
+🔒 Sukurta kaip akademinio darbo dalis – šnekos atpažinimo sistemų demonstracija realiam saugos scenarijui.