Update README.md
Browse files
README.md
CHANGED
|
@@ -1,3 +1,91 @@
|
|
| 1 |
-
---
|
| 2 |
-
license: ecl-2.0
|
| 3 |
-
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
---
|
| 2 |
+
license: ecl-2.0
|
| 3 |
+
datasets:
|
| 4 |
+
- mozilla-foundation/common_voice_11_0
|
| 5 |
+
language:
|
| 6 |
+
- es
|
| 7 |
+
- en
|
| 8 |
+
metrics:
|
| 9 |
+
- accuracy
|
| 10 |
+
library_name: transformers
|
| 11 |
+
tags:
|
| 12 |
+
- code
|
| 13 |
+
---
|
| 14 |
+
|
| 15 |
+
# Clasificador de Sotaques de Español
|
| 16 |
+
|
| 17 |
+
🎙️🤖🇪🇸
|
| 18 |
+
|
| 19 |
+
Este proyecto es un clasificador de acentos que distingue entre el español y otros acentos.
|
| 20 |
+
|
| 21 |
+
## Resumen del Proyecto
|
| 22 |
+
|
| 23 |
+
Esta aplicación utiliza un modelo entrenado para clasificar acentos de habla en dos categorías:
|
| 24 |
+
1. Español
|
| 25 |
+
2. Otro
|
| 26 |
+
|
| 27 |
+
El modelo se basa en el trabajo del autor [resultados] y utiliza la porción en español del conjunto de datos Common Voice (versión 11.0) de la Fundación Mozilla.
|
| 28 |
+
|
| 29 |
+
## Conjunto de Datos
|
| 30 |
+
|
| 31 |
+
El proyecto utiliza el subconjunto en español del conjunto de datos Common Voice:
|
| 32 |
+
- Conjunto de datos: "mozilla-foundation/common_voice_11_0", "es"
|
| 33 |
+
|
| 34 |
+
Acentos en español incluidos en el conjunto de datos:
|
| 35 |
+
- Español de España
|
| 36 |
+
- Español de México
|
| 37 |
+
- Español de Argentina
|
| 38 |
+
- Español de Colombia
|
| 39 |
+
- Y varias mezclas regionales
|
| 40 |
+
|
| 41 |
+
## Modelo y Procesador
|
| 42 |
+
|
| 43 |
+
El proyecto utiliza el siguiente modelo y procesador:
|
| 44 |
+
- Modelo Base: "facebook/wav2vec2-base-960h"
|
| 45 |
+
- Procesador: Wav2Vec2Processor.from_pretrained
|
| 46 |
+
|
| 47 |
+
## Versiones del Modelo
|
| 48 |
+
|
| 49 |
+
Se entrenaron tres versiones del modelo con diferentes configuraciones:
|
| 50 |
+
|
| 51 |
+
1. **(NUEVO) v 1.0**:
|
| 52 |
+
- Épocas: 20
|
| 53 |
+
- Muestras de entrenamiento: 5000
|
| 54 |
+
- Muestras de validación: 1000
|
| 55 |
+
|
| 56 |
+
Todos los modelos se entrenaron utilizando GPU de alta RAM en Google Colab Pro.
|
| 57 |
+
|
| 58 |
+
## Estructura del Modelo (archivos)
|
| 59 |
+
|
| 60 |
+
Cada versión del modelo incluye los siguientes archivos:
|
| 61 |
+
- config.json
|
| 62 |
+
- preprocessor_config.json
|
| 63 |
+
- model.safetensors
|
| 64 |
+
- special_tokens_map.json
|
| 65 |
+
- tokenizer_config.json
|
| 66 |
+
- vocab.json
|
| 67 |
+
|
| 68 |
+
## Cómo Usar
|
| 69 |
+
|
| 70 |
+
Prueba grabando o subiendo un archivo de audio. Para probar, recomiendo frases cortas.
|
| 71 |
+
|
| 72 |
+
## Licencia
|
| 73 |
+
|
| 74 |
+
Este proyecto está licenciado bajo la Licencia Pública de Eclipse 2.0 (ECL-2.0).
|
| 75 |
+
|
| 76 |
+
## Información del Desarrollador
|
| 77 |
+
|
| 78 |
+
Desarrollado por Ramon Mayor Martins (2024)
|
| 79 |
+
- Email: [email protected]
|
| 80 |
+
- Página web: https://rmayormartins.github.io/
|
| 81 |
+
- Twitter: @rmayormartins
|
| 82 |
+
- GitHub: https://github.com/rmayormartins
|
| 83 |
+
|
| 84 |
+
## Agradecimientos
|
| 85 |
+
|
| 86 |
+
Agradecimientos especiales al Instituto Federal de Santa Catarina (Instituto Federal de Santa Catarina) IFSC-São José-Brasil.
|
| 87 |
+
|
| 88 |
+
## Contacto
|
| 89 |
+
|
| 90 |
+
Para cualquier consulta o sugerencia, por favor contacte al desarrollador utilizando la información proporcionada anteriormente.
|
| 91 |
+
|