conv2D

https://www.media.mit.edu/videos/fi-alterego-2018-04-04/?autoplay=true

دیدن این ویدئو رو بهتون پیشنهاد می‌دم فقط ۲ دقیقه

پیوند‌ها که بازدید می‌گرفتی همه عمر ؛ دیدی چگونه هاست پیوندها گرفت 🤣😂

روز تعطیل و بطور ویژه جمعه‌ها روزهای خوبیه برای تست چیزهایی که در طول هفته و یا ماه و ...
روش کار و تحقیق کردید ؛

Speech to text

فایل mp3 و text ایی که قرار خواهم داد ورودی و خروجی مدل
speech to txt
هست که البته هنوز مدل رو بطور کامل با کل DataSet آموزش ندادم

ایده از اونجا شروع شد که :
۱- لازم داشتم ی دستیار صوتی کاملاً کاستوم برای خودم داشته باشم که مجبور نباشم دستورات (لینوکسی) رو پشت هم روی سیستم‌های مختلفی که دارم بزنم، و حتی بدتر از اون وقتی دسترسی به سیستم ندارم با ی تلفن هم بشه کارهایی که می‌خوام رو انجام بدم (فکر کنم از ssh امن‌تر هم هست 😁)

۲- ازونجایی که تو گروه
English for everyone
هم عضو هستم دوست داشتم ی چیزی برای تبدیل listening به reading داشته باشم (به دلایل شخصی)

تا اینجا ۲تا از چالش‌ها حل شد
کارهای بعدی ::
۱- تبدیل همین به فارسی هست که کار سختیه ولی خب ارزش امتحان کردن داره
مشکل اصلی و پیش‌رو دیتاست هست

۲- سیستم فقط با صدای خودم کار کنه و روی صدای اشخاص دیگه ارور چاپ کنه

از دوستان اگر کسی دیتاست فارسی برای این منظور می‌شناسه و بنده می‌تونم دسترسی بگیرم ممنون میشم به آیدی بنده ارسال کنید

@kingeng

در نهایت به احتمال بالا مدل فارسی برای دسترسی عمومی و تست توسعه‌دهندگان عزیز در گیت‌هاب قرار خواهد گرفت

بنظرم این کد نیازی به ویس نداره ؛ فقط توجه کنید که چند لایه به conv vgg اضافه شده

نکته مهم دستور
conv_base.trainable = False
هست
که همون freeze کردن وزن‌ها (برای اینجا vgg) هست

پادکست و پادکست‌ها
به اندازه کافی جا افتاده و اگر ی ذره صداها خوب باشه جذاب و جالب

حالا فرض کنید پادکست‌های
Nvidia
باشه ؛ اونم با موضوع Ai که خوب جذابیت رو چندین و چند برابر می‌کنه

نسخه iOS :

https://itunes.apple.com/ca/podcast/the-ai-podcast/id1186480811?mt=2

نسخه Android :

https://play.google.com/music/listen?t=The_AI_Podcast&adbsc=social_20161220_68874946&adbid=811257941365882882&adbpl=tw&adbpr=61559439&view=%2Fps%2FI4kyn74qfrsdhrm35mcrf3igxzm