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
Descripción general de las tecnologías de reconocimiento de voz
- Historia y evolución del reconocimiento de voz
- Modelos acústicos, modelos de lenguaje y descodificación
- Arquitecturas modernas: RNNs, transformadores y Whisper
Fundamentos del preprocesamiento de audio y la transcripción
- Manejo de formatos de audio y tasas de muestreo
- Limpieza, recorte y segmentación del audio
- Generación de texto a partir de audio: en tiempo real o 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 de rendimiento, latencia y costos
Adaptación lingüística, acentos y dominio específico
- Trabajo con múltiples idiomas y acentos
- Vocabularios personalizados y tolerancia al ruido
- Manejo del lenguaje jurídico, médico o técnico
Formateo de la salida e integración
- Adición de marcas de tiempo, puntuación y etiquetas de oradores
- 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 transmisiones de video/audio
Evaluación, limitaciones y ética
- Métricas de precisión y benchmarking de modelos
- Sesgo y equidad en los modelos de voz
- Consideraciones sobre privacidad y cumplimiento normativo
Resumen y próximos pasos
Requerimientos
- Conocimiento general de conceptos básicos de IA y aprendizaje automático
- Familiaridad con formatos y herramientas de archivos de audio o multimedia
Dirigido a
- 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