معالجة بيانات الصوت

يُظهر هذا الدليل طرقًا محددة لمعالجة مجموعات بيانات الصوت. تعلّم كيفية:

• إعادة أخذ عينات معدل أخذ العينات.
• استخدم map() مع مجموعات بيانات الصوت.

للاطلاع على دليل حول كيفية معالجة أي نوع من مجموعات البيانات، راجع دليل العملية العامة.

إسناد

تُستخدم دالة cast_column() لتحويل عمود إلى ميزة أخرى ليتم فك ترميزها. عند استخدام هذه الدالة مع ميزة Audio، يمكنك إعادة أخذ عينات معدل العينات:

>>> from datasets import load_dataset, Audio

>>> dataset = load_dataset("PolyAI/minds14", "en-US", split="train")
>>> dataset = dataset.cast_column("audio", Audio(sampling_rate=16000))

تُفكَّك ملفات الصوت وتُعاد عينةً لها على الفور، لذا في المرة التالية التي تصل فيها إلى مثال، تكون ملف الصوت قد أُعيدت عينته إلى 16kHz:

>>> audio = dataset[0]["audio"]
<datasets.features._torchcodec.AudioDecoder object at 0x11642b6a0>
>>> audio = audio_dataset[0]["audio"]
>>> samples = audio.get_all_samples()
>>> samples.data
tensor([[ 0.0000e+00,  0.0000e+00,  0.0000e+00,  ...,  2.3447e-06,
         -1.9127e-04, -5.3330e-05]]
>>> samples.sample_rate
16000

خريطة

يساعدك دالة map() في معالجة مجموعة بياناتك بالكامل مسبقًا دفعة واحدة. اعتمادًا على نوع النموذج الذي تعمل عليه، ستحتاج إلى تحميل مستخرج ميزات أو معالج.

• بالنسبة إلى نماذج التعرف على الكلام المُسبقة التدريب، حمّل مستخرج الميزات ومُقسّم الرموز وادمجها في processor:

  تم النسخ

  >>> from transformers import AutoTokenizer, AutoFeatureExtractor, AutoProcessor
  
  >>> model_checkpoint = "facebook/wav2vec2-large-xlsr-53"
  # after defining a vocab.json file you can instantiate a tokenizer object:
  >>> tokenizer = AutoTokenizer("./vocab.json", unk_token="[UNK]", pad_token="[PAD]", word_delimiter_token="|")
  >>> feature_extractor = AutoFeatureExtractor.from_pretrained(model_checkpoint)
  >>> processor = AutoProcessor.from_pretrained(feature_extractor=feature_extractor, tokenizer=tokenizer)

• بالنسبة لنماذج التعرف على الكلام المُحسَّنة، لا تحتاج سوى إلى تحميل processor:

  تم النسخ

  >>> from transformers import AutoProcessor
  
  >>> processor = AutoProcessor.from_pretrained("facebook/wav2vec2-base-960h")

عند استخدامك map() مع دالة المعالجة المسبقة، شمل عمود audio للتأكد من أنك تعيد أخذ عينات من بيانات الصوت فعليًا:

>>> def prepare_dataset(batch):
...     audio = batch["audio"]
...     batch["input_values"] = processor(audio.get_all_samples().data, sampling_rate=audio["sampling_rate"]).input_values[0]
...     batch["input_length"] = len(batch["input_values"])
...     with processor.as_target_processor():
...         batch["labels"] = processor(batch["sentence"]).input_ids
...     return batch
>>> dataset = dataset.map(prepare_dataset, remove_columns=dataset.column_names)