Spaces:
Sleeping
Sleeping
Delete README.md
Browse files
README.md
DELETED
|
@@ -1,86 +0,0 @@
|
|
| 1 |
-
---
|
| 2 |
-
sdk: gradio
|
| 3 |
-
---
|
| 4 |
-
|
| 5 |
-
# 🧠 Šnekos Atpažinimo Demonstracija (3 kalbėtojai + slaptažodis)
|
| 6 |
-
|
| 7 |
-
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.
|
| 8 |
-
|
| 9 |
-
---
|
| 10 |
-
|
| 11 |
-
## 🔧 Funkcijos
|
| 12 |
-
|
| 13 |
-
### 🗣️ 1. Kalbėtojų analizė:
|
| 14 |
-
- Įkelkite `.wav` su 3 kalbėtojais
|
| 15 |
-
- Pasirinkite modelį: `Whisper` arba `Wav2Vec2`
|
| 16 |
-
- Sistema:
|
| 17 |
-
- Segmentuoja kalbėtojus
|
| 18 |
-
- Atpažįsta kalbą kiekvienam (pvz., A – vokiečių, B – lietuvių, C – anglų)
|
| 19 |
-
- Parodo, kuris kalbėtojas kalbėjo lietuviškai
|
| 20 |
-
- ✅ Sugeneruoja **JSON ataskaitą**
|
| 21 |
-
|
| 22 |
-
### 🔐 2. Slaptažodžio tikrinimas:
|
| 23 |
-
- Įkelkite atskirą `.wav` failą su išsakytu lietuvišku slaptažodžiu
|
| 24 |
-
- Įveskite tikrąjį slaptažodį klaviatūra
|
| 25 |
-
- Pasirinkite modelį
|
| 26 |
-
- Sistema:
|
| 27 |
-
- Transkribuoja įkeltą .wav
|
| 28 |
-
- Lygina su įvestu slaptažodžiu
|
| 29 |
-
- Parodo rezultatą
|
| 30 |
-
|
| 31 |
-
### 📊 3. Bendra ataskaita:
|
| 32 |
-
- Mygtukas „📊 Peržiūrėti ataskaitą“
|
| 33 |
-
- Ataskaita apjungia:
|
| 34 |
-
- `whisper.json`
|
| 35 |
-
- `wav2vec2.json`
|
| 36 |
-
- Parodo kalbėtojų transkripcijas ir kiekvieno modelio analizės trukmę
|
| 37 |
-
|
| 38 |
-
---
|
| 39 |
-
|
| 40 |
-
## 📁 JSON Ataskaita
|
| 41 |
-
|
| 42 |
-
Kiekvienam modelio analizės paleidimui sugeneruojamas JSON failas:
|
| 43 |
-
|
| 44 |
-
- `rezultatai/whisper.json`
|
| 45 |
-
- `rezultatai/wav2vec2.json`
|
| 46 |
-
|
| 47 |
-
Formatas:
|
| 48 |
-
```json
|
| 49 |
-
{
|
| 50 |
-
"modelis": "Whisper",
|
| 51 |
-
"apdorojimo_laikas": 12.34,
|
| 52 |
-
"apdorojimo_laikas_tekstu": "0 min. 12 sek.",
|
| 53 |
-
"segmentai": [
|
| 54 |
-
{
|
| 55 |
-
"kalbetojas": "B",
|
| 56 |
-
"kalba": "lt",
|
| 57 |
-
"tekstas": "Aktyvuok sistemą",
|
| 58 |
-
"trukme": 4.2
|
| 59 |
-
}
|
| 60 |
-
]
|
| 61 |
-
}
|
| 62 |
-
```
|
| 63 |
-
|
| 64 |
-
---
|
| 65 |
-
|
| 66 |
-
## 🧠 Naudojamos technologijos
|
| 67 |
-
|
| 68 |
-
- `gradio` – naudotojo sąsaja
|
| 69 |
-
- `openai-whisper` – kalbos atpažinimas (multi-lingual)
|
| 70 |
-
- `wav2vec2` – kalbos modeliai iš Hugging Face
|
| 71 |
-
- `pyannote.audio` – kalbėtojų diarizacija
|
| 72 |
-
- `torchaudio` – garso apdorojimas
|
| 73 |
-
- `json` – ataskaitų išvestis
|
| 74 |
-
- `ataskaita.py` – JSON ataskaitos analizės generatorius
|
| 75 |
-
|
| 76 |
-
---
|
| 77 |
-
|
| 78 |
-
## 💡 Pastabos
|
| 79 |
-
|
| 80 |
-
- Tik vienas kalbėtojas turėtų kalbėti lietuviškai
|
| 81 |
-
- Slaptažodis tikrinamas **tik per atskirą įkeltą failą**
|
| 82 |
-
- VOSK modeliai šioje demonstracijoje nenaudojami (jie yra PC versijoje)
|
| 83 |
-
|
| 84 |
-
---
|
| 85 |
-
|
| 86 |
-
🔒 Sukurta kaip akademinio darbo dalis – šnekos atpažinimo sistemų demonstracija realiam saugos scenarijui.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|