Skip to content

About

Audio-based digit classification (0–9) using neural networks and frequency-domain analysis through the Discrete Fourier Transform (DFT). The model achieves an accuracy of 85%

Topics

Resources

Stars

2 stars

Watchers

1 watching

Forks

Repository files navigation

Clasificadores de Números en Audio

Este proyecto consiste en un clasificador automático de números del 0 al 9 a partir de grabaciones de audio, implementado mediante redes neuronales. Utiliza técnicas de procesamiento de señales, en particular la Transformada Discreta de Fourier (DFT), para extraer características relevantes del audio antes de ser procesado por los modelos. El objetivo principal es explorar distintos enfoques de aprendizaje profundo para el reconocimiento de voz, centrándose en comandos numéricos simples, lo que lo hace aplicable en interfaces de usuario por voz, asistentes virtuales y sistemas embebidos con capacidades auditivas.

Tabla de Contenidos

Descripción

El objetivo de este proyecto es desarrollar y probar diferentes modelos de clasificación de audio para reconocer números hablados del 0 al 9. Estos modelos pueden ser útiles en aplicaciones de reconocimiento de voz y sistemas interactivos que requieren entender comandos numéricos.

Instalación

Para utilizar los clasificadores, sigue estos pasos:

  1. Clona este repositorio:

    git clone https://github.com/TomasD1az/Clasificador_An_III.git
    cd Clasificador_An_III
  2. Crea un entorno virtual (opcional pero recomendado):

    python -m venv env
    source env/bin/activate  # En Windows usa `env\Scripts\activate`
  3. Instala las dependencias necesarias:

    pip install -r requirements.txt

Estructura del Repositorio

/
├── data/                     # Carpeta para almacenar los datos de audio
├── configs/                  # Configuraciones e hiperparametros de cada modelo
├── src/                      # Código fuente de los clasificadores
│   ├── trainer.py            # Defino clase Trainer para el entrenamiento de modelos
│   ├── dataload.py            # dataloaders para entrenamiento, validación y prueba a partir de audio
│   ├── dataset.py            # Cargar y procesar archivos para modelos
│   ├── model.py              # Definicion dos clases de modelos (NeuralNet y NeuralNet_mfcc)
│   └── eval.py               # Defino clase Evaluator para evlauar predicciones
├── tests.py                    # Pruebas unitarias y de integración
├── requirements.txt          # Lista de dependencias del proyecto
└── README.md                 # Este archivo

Contribuciones

¡Las contribuciones son bienvenidas! Si deseas contribuir, por favor sigue estos pasos:

  1. Haz un fork del repositorio.
  2. Crea una nueva rama (git checkout -b mejora-nueva).
  3. Haz los cambios necesarios y comete tus cambios (git commit -am 'Añadir nueva mejora').
  4. Sube tus cambios a tu rama (git push origin mejora-nueva).
  5. Crea un Pull Request.

Licencia

Este proyecto está bajo la Licencia MIT. Para más detalles, consulta el archivo LICENSE

About

Audio-based digit classification (0–9) using neural networks and frequency-domain analysis through the Discrete Fourier Transform (DFT). The model achieves an accuracy of 85%

Topics

Resources

Stars

2 stars

Watchers

1 watching

Forks

Releases

Packages

Contributors

Languages