ORATIS - Automatic Speech Recognition (ASR) Pipeline

Description

ORATIS est un pipeline complet pour la reconnaissance vocale automatique (ASR). Le projet implémente les étapes clés nécessaires pour convertir des fichiers audio en texte, notamment :

• Prétraitement des fichiers audio.
• Extraction des caractéristiques (MFCCs).
• Entraînement d'un modèle basé sur un LSTM.
• Décodage pour générer des transcriptions.
• Évaluation des résultats avec des métriques WER (Word Error Rate) et CER (Character Error Rate).

Structure du projet

OratisAI/
├── config/
│   └── config.yaml          # Configuration centralisée
├── data/
│   ├── raw/                 # Fichiers audio bruts
│   ├── processed/           # Fichiers audio prétraités
│   ├── transcripts/         # Transcriptions de référence
├── features/                # Caractéristiques audio extraites (MFCCs)
├── models/
│   └── trained_model.pth    # Modèle entraîné
├── results/
│   └── decoded_texts/       # Transcriptions générées
├── scripts/
│   ├── __init__.py          # Rendre les scripts importables comme un module
│   ├── preprocess.py        # Prétraitement des fichiers audio
│   ├── extract_features.py  # Extraction des caractéristiques (MFCCs)
│   ├── train_model.py       # Entraînement du modèle
│   ├── decode_audio.py      # Décodage des fichiers audio
│   └── evaluate.py          # Évaluation des performances du modèle
├── tests/
│   ├── __init__.py          # Tests unitaires
│   ├── test_preprocess.py   # Tests pour le prétraitement
│   └── test_decode.py       # Tests pour le décodage
├── main.py                  # Script principal pour exécuter le pipeline
├── README.md                # Documentation
├── requirements.txt         # Dépendances du projet
├── LICENSE                  # License du projet
└── .gitignore               # Fichiers à ignorer dans Git

---

Installation

1. Cloner le projet :

   git clone https://github.com/KucoDEV/Oratis.git
   cd Oratis

2. Installer les dépendances : Assurez-vous que Python 3.8 ou plus récent est installé.

   pip install -r requirements.txt

---

Utilisation Directe

Placez vos fichiers audio bruts (.wav ou .mp3) dans le dossier data/raw/. Lors du lancement de main.py, vous pouvez choisir si vous souhaitez segmenter les fichiers audio en segments de 30 secondes ou utiliser le fichier complet.

Exemple d'exécution :

python main.py --segment yes

Options disponibles :

• --segment yes : Segmente les fichiers audio en portions de 30 secondes.
• --segment no : Utilise les fichiers audio dans leur intégralité.

---

Utilisation Manuelle

Étape 1 : Prétraitement des fichiers audio

Placez vos fichiers audio bruts dans data/raw/. Ensuite, exécutez le script de prétraitement :

python scripts/preprocess.py --segment yes

Les fichiers seront sauvegardés dans data/processed/.

Étape 2 : Extraction des caractéristiques

Pour extraire les MFCCs des fichiers prétraités :

python scripts/extract_features.py

Les caractéristiques audio seront sauvegardées dans features/.

Étape 3 : Entraînement du modèle

Pour entraîner le modèle LSTM :

python scripts/train_model.py

Le modèle entraîné sera sauvegardé dans models/trained_model.pth.

Étape 4 : Décodage des fichiers audio

Pour générer des transcriptions :

python scripts/decode_audio.py

Les transcriptions seront sauvegardées dans results/decoded_texts/.

Étape 5 : Évaluation des résultats

Pour évaluer la performance avec WER et CER :

python scripts/evaluate.py

---

Résolution des problèmes

• Problème : Erreur RuntimeError: input.size(-1) must be equal to input_size.

  • Solution : Vérifiez que les MFCCs extraites ont une dimension correcte (13 coefficients). La transposition dans decode_audio.py est cruciale.

• Problème : WER ou CER élevés.

  • Solution :
    • Assurez-vous que les transcriptions dans data/transcripts/ correspondent exactement aux fichiers audio.
    • Ajoutez plus de données d'entraînement.
    • Augmentez le nombre d'époques ou la complexité du modèle.

• Problème : FileNotFoundError lors de l'évaluation.

  • Solution : Vérifiez que les fichiers de référence existent dans data/transcripts/. Le nom du fichier de transcription doit correspondre au fichier audio.

---

Licence

Ce projet est sous licence MIT. Vous êtes libre de le modifier et de le redistribuer.