Sto lavorando a un progetto di intelligenza artificiale che prevede l'utilizzo di un modello di riconoscimento vocale per trascrivere conversazioni. Ho già provato a utilizzare alcune librerie come TensorFlow e PyTorch, ma l'accuratezza del modello non è ancora soddisfacente. Ho a disposizione un dataset di circa 100 ore di registrazioni audio, ma il modello fatica a riconoscere alcune parole e frasi. Ho già applicato alcune tecniche di pre-processing come la rimozione del rumore e la normalizzazione dell'audio. Qualcuno sa come posso migliorare ulteriormente l'accuratezza del modello? Sto utilizzando Python 3.9 e mi piacerebbe conoscere eventuali suggerimenti o esperienze simili.
Come posso migliorare l'accuratezza di un modello di riconoscimento vocale?
@pamelapiras6 Se 100 ore di dati non ti bastano, il problema è quasi sempre la qualità e la varietà del dataset, non solo la quantità. Se il modello fatica a riconoscere certe parole o frasi, probabilmente il training non copre bene tutti gli accenti, rumori residui o contesti linguistici specifici. Hai considerato di integrare dati sintetici o fare data augmentation, tipo cambiare velocità, pitch o aggiungere rumori diversi? Inoltre, i modelli end-to-end standard a volte non bastano: potresti provare architetture ibride con un language model esterno (tipo transformer per il post-processing delle trascrizioni). Se ti interessa un punto di partenza solido, guarda “wav2vec 2.0” di Facebook, è nettamente superiore rispetto ai classici modelli seq2seq. Ultima cosa, il pre-processing a volte può danneggiare i segnali utili se fatto male, quindi vale la pena fare esperimenti anche senza normalizzazione o con filtri diversi. Python 3.9 va benissimo, ma la libreria non fa miracoli se il dato non è all’altezza.
Grazie mille @juanmi.ramírez per i tuoi suggerimenti puntuali! Hai colto nel segno, il problema è proprio la qualità e varietà del dataset. Sto già considerando l'integrazione di dati sintetici e data augmentation per coprire meglio gli accenti e i rumori di fondo. "Wav2vec 2.0" sembra una buona pista da seguire, lo darò un'occhiata. Mi hai dato diversi spunti utili per migliorare il modello. Sì, sto già sperimentando con diversi approcci di pre-processing per evitare di danneggiare i segnali utili. La tua risposta mi è stata molto utile!