本期给大家介绍的是语音识别,效果图如下:
这是运行python 03pyqt.py的可视化界面,通过第一个按钮加载需要检测的音频,运行第三个按钮就会将检测结果,比如cat显示在下方Result处。
代码下载和视频演示地址:
代码整体是非常简便的,总共三个py部分和一个数据集在data文件夹下。另外python的安装环境写在了requirement里面。
data文件夹里面一共是三个类别的语音,分别是bird、cat和dog。有兴趣的小伙伴也可以自行扩充数据集,或训练自己的数据集。
运行python 01数据集文本生成制作.py 会在logs文件夹下生成2个txt文本,分别存放了wav音频的路径和对应的标签。
运行python 02train.py就会训练这个txt文本里面的数据,并将训练的模型与验证集里面的数据进行验证。以下是训练过程的展示。
最后模型也是保存在logs文件夹下。
最后运行python 03pyqt.py即可加载训练好的模型,对输入的音频进行识别。