Après avoir suivi ces cours, je me sens confiant dans la création de visualisations et de tableaux de bord professionnels.
Shoebur RahmanSpécialiste des marchés publics, Giz Bangladesh
Description du cours
Apprenez la reconnaissance vocale et le traitement du langage parlé en Python
Nous apprenons à parler bien avant d'apprendre à lire. Même à l'ère numérique, notre principal moyen de communication reste la parole. Le traitement du langage parlé en Python vous assistera dans le chargement, la transformation et la transcription de fichiers audio. Vous commencerez par découvrir à quoi ressemble l'audio brut dans Python, puis vous explorerez les bibliothèques populaires et travaillerez sur un exemple de cas d'utilisation en entreprise.Utiliser Python SpeechRecognition et PyDub pour transcrire des fichiers audio
Python dispose de plusieurs bibliothèques populaires qui facilitent le traitement du langage parlé. SpeechRecognition vous offre un moyen simple d'intégrer des API de reconnaissance vocale, tandis que PyDub vous aide à modifier par programmation les attributs des fichiers audio afin de les préparer pour la transcription. Chacune de ces bibliothèques est traitée dans un chapitre détaillé, vous offrant ainsi l'opportunité de mettre la théorie en pratique afin de consolider vos connaissances.Exercez-vous à la transcription de discours grâce à un projet intégré au cours
Le dernier chapitre de ce cours vous offre l'opportunité de mettre en pratique tout ce que vous avez appris en élaborant une preuve de concept de traitement de la parole pour une entreprise technologique fictive. Vous développerez un système qui transcrit les conversations téléphoniques en texte, puis effectue une analyse des sentiments afin d'examiner les appels téléphoniques du service client.À la fin de ce cours, vous disposerez à la fois des connaissances et de l'expérience pratique nécessaires pour mettre en application vos acquis dans le cadre de votre travail ou de vos projets personnels.
Prérequis
Programme de formation
Plan du cours
1
Introduction au traitement du langage parlé avec Python
Les fichiers audio diffèrent de la plupart des autres types de données. Avant de pouvoir les exploiter, un prétraitement est nécessaire. Dans ce chapitre, vous apprendrez les premières étapes pour travailler avec des fichiers de parole en convertissant deux fichiers audio en ondes sonores et en les comparant visuellement.
- Introduction aux données audio en Python50 XP
- La bonne fréquence50 XP
- Importer un fichier audio avec Python100 XP
- Convertir des octets d’onde sonore en entiers50 XP
- Le bon type de données50 XP
- Octets vers entiers100 XP
- Trouver les horodatages100 XP
- Visualiser des ondes sonores50 XP
- Rester cohérent50 XP
- Traitement des données audio avec Python100 XP
2
Utiliser la bibliothèque Python SpeechRecognition
La reconnaissance vocale est encore loin d’être parfaite. Mais la bibliothèque SpeechRecognition offre un moyen simple d’interagir avec de nombreuses API de conversion de la parole en texte. Dans cette section, vous apprendrez à utiliser SpeechRecognition pour commencer facilement à convertir en texte la langue parlée présente dans vos fichiers audio.
3
Manipuler des fichiers audio avec PyDub
Tous les fichiers audio n’ont pas la même forme, la même taille ou le même format. Heureusement, la bibliothèque PyDub de James Robert fournit des outils permettant de modifier par programmation différents attributs des fichiers audio, comme le taux d’échantillonnage, le nombre de canaux, le format de fichier, et plus encore. Dans ce chapitre, vous apprendrez à utiliser cette bibliothèque pratique pour que tous vos fichiers audio soient dans le bon format pour la transcription.
4
Traiter du texte transcrit à partir de la parole
Dans ce chapitre, vous mettrez en pratique tout ce que vous avez appris en construisant une preuve de concept de traitement de la parole pour une entreprise technologique, Acme Studios. Vous commencerez par transcrire en texte des extraits audio d’appels au support client. Vous réaliserez ensuite une analyse de sentiment avec NLTK, une reconnaissance d’entités nommées avec spaCy et une classification de texte avec scikit-learn sur le texte transcrit.
Traitement du langage parlé en Python
Cours
terminé
