Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Temario del curso
Visión general de las tecnologías de reconocimiento de voz
- Historia y evolución del reconocimiento de voz.
- Modelos acústicos, modelos de lenguaje y decodificación.
- Arquitecturas modernas: RNNs, transformers y Whisper.
Preprocesamiento de audio y conceptos básicos de transcripción
- Gestión de formatos de audio y frecuencias de muestreo.
- Limpieza, recorte y segmentación de audio.
- Generación de texto a partir de audio: en tiempo real frente por lotes.
Práctica con Whisper y otras APIs
- Instalación y uso de OpenAI Whisper.
- Llamadas a APIs en la nube (Google, Azure) para transcripción.
- Comparación del rendimiento, latencia y costo.
Idioma, acentos y adaptación al dominio
- Trabajo con múltiples idiomas y acentos.
- Vocabularios personalizados y tolerancia al ruido.
- Manejo de lenguaje legal, médico o técnico.
Formato de salida e integración
- Añadir marcas de tiempo, puntuación y etiquetas de hablante.
- Exportación a formatos de texto, SRT o JSON.
- Integración de transcripciones en aplicaciones o bases de datos.
Laboratorios de implementación de casos de uso
- Transcripción de reuniones, entrevistas o podcasts.
- Sistemas de comandos de voz a texto.
- Subtítulos en tiempo real para emisiones de video/audio.
Evaluación, limitaciones y ética
- Métricas de precisión y pruebas comparativas de modelos.
- Sesgo e imparcialidad en los modelos de voz.
- Consideraciones sobre privacidad y cumplimiento normativo.
Resumen y próximos pasos
Requerimientos
- Comprensión de los conceptos generales de inteligencia artificial y aprendizaje automático.
- Familiaridad con formatos y herramientas de archivos de audio o multimedia.
Público objetivo
- Científicos de datos e ingenieros de IA que trabajan con datos de voz.
- Desarrolladores de software que crean aplicaciones basadas en transcripción.
- Organizaciones que exploran el reconocimiento de voz para la automatización.
14 Horas