SkautFest AI

Klasifikátor rozpoznávající pohlaví řečníka na nahrávce, nezávisle na jazyku.

Přednáška o umělé inteligenci na SkautFestu 2023

Obsahuje kód použitý při přednáše o umělé inteligenci pro zpracování zvukových nahrávek, extrakci příznaků, trénování klasifikátorů a samotnou klasifikaci nahrávek.

Obsah repozitáře:

• src obsahuje zdrojové kódy v Pythonu
  • skautfestlib.py je knihovna funkcí pro načtení a zpracování nahrávek, extrakci MFCC příznaků z nich a nakonec samotné trénování dvou klasifikátorů - Gausovského/Bayesovského (Naive Bayes Classifer) a Support Vector Machines
  • train.py obsahuje funkci pro natrénování zmíněných dvou klasifikátorů. Aktuálně obsahuje pevné cesty k trénovacímu datasetu. Spuštěním tohoto souboru vzniknou tři nové soubory:
    • bayes_classifier.pk - natrénováný gausovský klasifikátor
    • svm_classifier.pk - natrénovaný SVM klasifikátor
    • lda.pk - objekt LinearDiscriminantAnalysis použitý pro redukci dimenzí dat a transformaci při trénování. Pomocí něj je třeba data transformovat před klasifikací (viz classifier.py řádek 22).
  • classifier.py slouží ke spouštění klasifikace na natrénovaných klasifikátorech.

Použití

1. Nejprve je potřeba klasifikátory natrénovat na datasetu

python train.py

2. Pak je možné klasifikovat nahrávky pomocí

python classifier.py /path/to/your/wav/file.wav

Je možné klasifikovat více souborů najednou:

python classifier.py /path/file1.wav /path/file2.wav /path/file3.wav

nebo přímo celé složky:

python classifier.py /path/dir/with/wav/files/

případně oba přístupy kombinovat:

python classifier.py /dir/wav/files/1/ /path/file1.wav /dir/wav/files/2/