Как обучить нейронную сеть имея датасет с 5 звуковых файлов?

Question

[Алексей Белов]

Всем привет, делаю модель на основе https://www.tensorflow.org/tutorials/sequences/aud... по туториалу нам дают датасет размером в 2 гб, у меня же есть всего 5 голосовых записей одно слова, к примеру cat, подойдет ли мне этот тутор, если да то каким образом подтянуть train.py под небольшой датасет.

Мне нужно распознавать только слово cat, как по типу Hello Siri или Окей Гугл
Не могу использовать чей либо api, мне нужно на выходе получать tfile потом скорее всего конвертировать в tlfile

Comments

[Ivan Yakushenko]

Лол, люди скармливают нейронкам десятками и сотнями гигабайт информации, чтобы получить хоть сколько-то вменяемый результат, а вы 5 слов хотите обработать.

[Ivan Yakushenko]

Небольшой датасет - это как раз таки тестовый датасет в с 3,000,000 слов, а не ваши 5 слов.

[sim3x]

https://voice.mozilla.org/en

Answer 1

[Ivan Yakushenko]

Зачем вам нейронная сеть для этого? Есть библиотека SpeechRecognition которая отлично справляется с задачами распознавания голоса.
Что за мода пошла пихать повсюду нейронки. Вы случайно нейронку не пробовали к парсеру прикрутить, чтобы дивы и тейблы искать?

Comments

[Алексей Белов]

К сожаления, не я себе задачу выбираю, сам бы это использовал.

[Ivan Yakushenko]

Алексей Белов, основная концепция нейросетей в том, что они при анализе огромного кол-ва информации находят общий знаменатель и работают с ним. С 5 словами они ничего не найдут.

[Алексей Белов]

Ivan Yakushenko, Я это прекрасно понимаю, но тут скорее задача выжать максимум с этого, чтобы оно с каким либо процентом отработало. К примеру сейчас я могу ею распознать тишину и слово, различия между cat и test почти нет, если бы увеличить это хоть как то.

[Ivan Yakushenko]

Алексей Белов, никак.

[Алексей Белов]

Ivan Yakushenko, Посмотрим)