Transcrições
1. Introdução: Olá e seja bem-vindo a esta classe em que
construímos juntos e assistente de voz
AI
Abdu do código Python. Eu faço tutoriais há
três anos no
Python code.com, que é um site
educacional gratuito do Python com muitos tutoriais sobre vários tópicos,
como aprendizado de máquina, processamento de linguagem
natural, visão computacional e muito mais. Nesta aula, você
aprenderá como criar um assistente de voz de IA
usando Python. Este projeto é
dividido em três tarefas principais. Primeiro, começamos criando
um reconhecedor de fala. Isso nos permitiria converter nosso discurso em textos digitais. Em segundo lugar, fazemos o
contrário ao converter
texto em fala. Quando a resposta do chatbot
em uma forma de textos, temos que realizar a síntese de
fala para convertê-la de volta em um discurso
semelhante a um humano. Em terceiro lugar, usamos um modelo de aprendizado
profundo pré-treinado chamado Yellow GPT para gerar respostas
conversacionais com IA sem a necessidade de treinar o
modelo do transformador do zero. Tudo bem, é isso
para a introdução. Vejo você nos próximos vídeos.
2. Convergência de conversa para texto: Olá e seja bem-vindo. Neste vídeo, faremos um rápido reconhecedor de
fala em Python. Então, antes de tudo, o que é reconhecimento de fala? Em resumo, o reconhecimento de fala
é a capacidade do software de computador identificar
palavras e frases, linguagem
falada e
convertê-las em texto legível por humanos. Neste vídeo, faremos uma função na
qual você pode
converter fala em texto facilmente em Python, com a ajuda da biblioteca de
reconhecimento de fala. Esta biblioteca nos fornece invólucros
convenientes para várias APIs de fala
pública bem conhecidas, como Google Cloud Speech
API e IBM speech to text. Como resultado, não teremos
que criar nenhum modelo de
aprendizado de máquina do zero
e treinar manualmente. Em vez disso, simplesmente gravaremos nosso método de fala e coluna
e aguardaremos o resultado. Para começar. Primeiro, você precisa ter
certeza de que você tem Python 3 instalado
em sua máquina. Segundo, você precisa instalar a biblioteca de áudio
Pi para
o trabalho de arte de gravação. Infelizmente, por áudio
não é simples de instalar. No entanto, eu anexei
um arquivo para instalar o áudio
Pi para esses ambientes V
nesses ambientes Linux e Mac OS. Assim, você pode seguir o guia para seu ambiente específico. Em seguida, precisamos instalar a biblioteca de reconhecimento de
fala. Simplesmente usamos o BIM para isso. Então crie um novo arquivo
requirements.txt e
coloque o nome do pacote lá. Em seguida, executamos pip install dash R, requirements.txt para
pegar o pacote
da Internet e
instalá-lo em nossa máquina. Ele terminará em alguns segundos. Como você pode ver, estou usando o
VS Code para esses produtos. Certifique-se de usar seu editor
favorito também. Agora, coloque o arquivo Vicodin e não
BY anexado na nova
pasta cria. Este arquivo será responsável por gravar
nossa fala
do microfone e
salvá-lo como um arquivo de áudio comum. Em seguida, vamos criar
o arquivo Python é convertido fala em texto. Começamos importando
a biblioteca que acabamos instalar uma importante
violência registrada. Bem, inicializamos instância
do reconhecedor de fala. Depois disso, fazemos
uma função que grava nosso microfone até
o final do discurso. O que significa até que haja
um silêncio no áudio. Isso será feito automaticamente usando a função de recodificação. Em segundo lugar, criamos uma instância
de arquivo de áudio. E em terceiro lugar, carregamos
o arquivo de áudio na memória usando
o método de gravação. E então convertemos
os dados de áudio texto usando um dos métodos de
reconhecimento. Continuaremos com o reconhecimento do Google Message por enquanto, pois ele do Google Message por enquanto, pois ele
usa a Google Speech API e
funciona imediatamente,
portanto, não precisamos criar
nenhuma chave de API manualmente. Finalmente, retornamos o
texto e pronto. Terminamos com a parte de
reconhecimento
de fala deste projeto. Você pode testar isso simplesmente executando esse script
que acabamos de criar.
3. Conversão de texto para fala: Olá e seja
bem-vindo a este tutorial. Neste vídeo, faremos uma função Python para
realizar a síntese de fala, on-line
ou offline. Se você não sabe o que é síntese de
fala, ela geralmente é chamada
de texto em fala. Ele está basicamente convertendo texto em
fala humana, áudio. Então, para começar, precisamos instalar as
bibliotecas necessárias para essa tarefa. Primeiro, a biblioteca TTS, que significa o
Google Text-to-Speech. É uma biblioteca Python
para interagir com glicose traduz
texto em API de fala e requer
conexão com a Internet para usar. Por outro lado, PYT como X3 é um bibliotecário de
conversão de texto em fala que procura mecanismos TTS pré-instalados em seu
sistema operacional e os usa. Ele usa a Microsoft Speech API para aqueles sintetizadores de fala ns para Mac OS e E
falam por um humano para algumas outras
distribuições Linux. Finalmente, vamos usar
a biblioteca de
som de reprodução simplesmente para
reproduzir frascos de áudio. Vamos instalá-los. Agora vamos mergulhar no código. Como de costume, começamos
importando as bibliotecas. Em seguida, inicializamos o mecanismo de
texto para fala. Depois disso, fazemos
nossa função que aceita o modo que
leva valor também. E o áudio remoto booleano, indicando se deseja remover o arquivo de áudio resultante do disco para alterar os
parâmetros padrão conforme desejar. Portanto, o modo está online, então você usa a biblioteca de texto para
voz para fazer a solicitação da API
e receber a fala do
arquivo de áudio resultante no disco. Em seguida, tocamos o som usando
o lugar da nossa função. E, finalmente, removemos
o arquivo de áudio. Se Remover áudio booleano para true. Mas se o modo estiver offline, simplesmente
usamos nosso
mecanismo off-line e passamos o texto para
o mesmo método e executamos o
método run and wait para reproduzir o áudio. E acabamos. Vamos testar isso. Python é uma ótima linguagem de
programação. Agora vamos usar o modo online. Vamos executá-lo. Python é uma
ótima linguagem de programação.
4. Como gerar respostas de chatbot de IA: Olá e seja bem-vindo a este vídeo. Neste tutorial, você
aprenderá como gerar respostas
conversacionais.
Em deep learning. Usaremos o transformador
Hugging Face é biblioteca para empregar o
modelo GPT amarelo pré-treinado para fazer chatbots de IA. Então, primeiro, o que é o LGBT? Bem, o LGBT é um
modelo de geração de
resposta conversacional ajustável em
larga escala geração de
resposta conversacional que foi treinado em 147 milhões de
conversas
extraídas dos sites do Reddit. Tem quase a
mesma arquitetura do famoso modelo de
transformador GPT-2, com poucas mudanças. Tudo bem, para começar, vamos instalar as bibliotecas
para este tutorial. Primeiro, vamos instalar o vital. É uma
estrutura de aprendizado profundo em Python e é necessária de qualquer maneira para
executar transformadores. Em segundo lugar, instalaremos a versão mais recente da biblioteca de
transformers. Ele nos oferece uma
API conveniente que nos
fornece muitos modelos pré-treinados para
executar diferentes tarefas de aprendizado
profundo, como geração de texto, sumarização,
tradução e muito mais. Nós o usaremos para carregar o modelo GPT amarelo e
executar inferência sólida. Vamos instalá-los. Como já o instalei, não demorará muito
tempo no meu caso. No entanto, pode levar alguns
segundos a vários minutos, dependendo da velocidade de
conexão com a Internet. Agora vamos começar a
fazer nosso bot de bate-papo. Primeiro, vamos criar
o arquivo Python e importar as bibliotecas
que acabamos de instalar. Em seguida, você especifica o nome
exato do modelo a ser carregado. Existem três
tamanhos diferentes do modelo GPT amarelo. Vou para a
versão grande do modelo. Sinta-se à vontade para usar
qualquer um deles. Por favor, note que
quanto menor o modelo, as piores
gerações de resposta serão. O modelo será
carregado na memória. Portanto, se ele
não tiver sua memória, você pode usar uma versão menor. Agora, vamos carregar o
modelo e o tokenizer. Em seguida, vamos
fazer um ponto
responsável por gerar
as respostas dos chatbots. Essa função usa
três argumentos. Primeiro, o texto de entrada ou a pergunta que
escrevemos ou produzimos. Em segundo lugar, esse histórico de bate-papo em uma forma de uma
lista de IDs de token. E, finalmente, o
passo do bate-papo. Se for 0, então é a primeira
vez que filmamos com a caixa. Usamos o método de codificação
no tokenizer, convertemos o texto em
uma lista de ID de token. Então, a rede neural
pode entender. Também anexamos o texto com
o token de final da frase. Passamos o PT para retornar os tensores, para retornar os tensores
como um tensor PyTorch. Depois disso, concatenamos
os IDs de entrada com o
histórico de bate-papo, se houver um. E, em seguida, geramos
a resposta do chat ignorando as IDs de entrada para
o método de geração do modelo. parâmetro de comprimento máximo é o comprimento máximo
da resposta de retorno. Usamos amostra de sublinhado para
amostra de uma distribuição. Em vez de usar pesquisa gananciosa, passamos 102 top k. Então,
o método de geração será amostrado dos 100 principais tokens
candidatos para escolher. Dissemos que
a temperatura 2,7. Mas você pode ajustar como quiser. Diminuir
a
temperatura diminuirá a probabilidade de escolher palavras de
baixa probabilidade
e, portanto, aumentar
a probabilidade de escolher palavras altamente prováveis. Defini-lo como 0 sempre
escolherá a
palavra mais alta provável em cada etapa. By the way, você deve ter cuidado ao ajustar
a temperatura. Se você enviá-lo para
um valor mais alto, você verá uma geração completamente
aleatória. De qualquer forma, há muitos
parâmetros para sintonizar
no método de geração. Eu sugiro que você
verifique esta postagem no blog do blog
Hugging Face para saber
mais sobre os parâmetros. Você também pode rejeitar a documentação oficial para ver alguns outros
parâmetros que você pode usar. Retorne para a função. Finalmente, temos o
código que gerou partes do histórico de trabalho e o devolvemos com o histórico de
bate-papo também. Em seguida, vamos usar essa função
para fechar com nossos bugs. N passos é o número de vezes que queremos julgar
com nossos mundos. Nós fazemos um loop sobre o
número de etapas. Em seguida, simplesmente solicitamos ao
usuário o texto de entrada. Finalmente, usamos nossa
função para gerar o cérebro final que a executa. Vamos dar algum tempo para carregar o modelo. E lá vai você. Agora podemos começar a conversar
com um quadro-negro. A primeira vez.
Vai demorar algum tempo. E isso é dos botões. Como você pode ver, o faz um ótimo trabalho respondendo
às minhas perguntas, além de responder com respostas
boas e relevantes.
5. Combinando tudo e criando o assistente: Bem-vindo a este tutorial. Neste vídeo, vamos
combinar tudo o que
fizemos nos vídeos anteriores
em um único arquivo Python. Como vimos na introdução, o processo geral é,
primeiro, obtemos o texto do usuário realizando
o reconhecimento de
fala. Em segundo lugar, ajustamos o texto
ao modelo de quadro-negro para
gerar uma resposta. Finalmente, convertemos a
resposta de textos, fala, usando síntese de fala. Vamos criar a pilha principal e importar as funções que fizemos nos tutoriais
anteriores. Especificamos o número de vezes que queremos
fechar nosso bot de bate-papo. Para parar de falar. Nós notificamos o usuário para que
saibamos quando parar de falar. Convertemos nosso discurso
em texto e o imprimimos. Em seguida, geramos a
resposta a partir da voz do bate-papo e realizamos
a síntese de fala para gerar uma fala semelhante a um homem. Vamos executá-lo. Por favor, fale. Olá, qual é o seu livro
favorito? É difícil escolher.
Então eu acho que eu teria que dizer o livro
da vida de Marina. Por favor, fale. Oh legal. Você assiste filmes? Assista aos filmes dele hoje em dia. Por favor, fale. Oh, você não gosta de filmes de
ação. E quanto a você? Não é fã de filmes de ação, mas sou um ávido jogador.
6. O trabalho de transporte e adicional: Parabéns. Você
concluiu com sucesso
a criação de chatbots de voz ou assistente
pessoal, ou assistente de voz ou
o que quiser chamá-lo. Gostaria de
agradecer por assistir todo
o curso e estar
comigo neste produto. Antes de nos despedirmos, gostaria de descrever alguns
dos trabalhos futuros que você pode fazer para melhorar ainda mais o desempenho de todo
o produto. Primeiro, você chama a
pontuação de inserção na fala
reconhecida. Há um pacote
Python de terceiros chamado aeroporto que ajuda
você a fazer isso facilmente. Ele usa um
modelo de aprendizado
de máquina pré-treinado sob o capô. Mas a boa notícia é que
você só precisa passar o texto para ele e
receberá os textos pontuados. Segundo, como você já deve saber na
parte de reconhecimento de fala deste projeto, estamos usando uma API não oficial. Convido você a usar
o modelo pré-treinado wave do vec a 0
para esse fim. E é bem preciso. Este tutorial deve ajudá-lo. Você o encontrará
anexado a este vídeo. Finalmente, sugiro que você
volte a brincar com os parâmetros no
método de geração de pontos do
modelo que vimos no tutorial
chatbot. Tenho certeza de que você pode
melhorá-lo e não se esqueça de compartilhar os
parâmetros conosco. Tudo bem,
chegamos ao fim. Espero que este projeto tenha
sido útil para você, inscreva-se em Python
a projetos reais e veja
você em outro mundo.
Abdou Rockikz, Machine Learning, Python & Data
