GoonPython के साथ एक Voice Dictation App बनाना
एक voice dictation app बनाने का विचार नया नहीं है, लेकिन Python और उन्नत AI मॉडलों की मदद से, हम एक अत्यधिक सटीक और सक्षम सिस्टम बना सकते हैं। इस लेख में, हम पता लगाएंगे कि Python का उपयोग करके voice dictation app कैसे बनाया जाए, जिसमें Whisper जैसे state-of-the-art मॉडलों का लाभ उठाया जाए और बेहतर सटीकता के लिए ऑप्टिकल कैरेक्टर रिकॉग्निशन (OCR) का लाभ उठाया जाए।
Voice Dictation का परिचय
Voice dictation एक शक्तिशाली उपकरण है जो विकलांगों, भाषा की बाधाओं वाले उपयोगकर्ताओं या केवल उन लोगों की मदद कर सकता है जो टाइप करने के बजाय डिक्टेट करना पसंद करते हैं। हालाँकि, voice dictation सॉफ़्टवेयर की वर्तमान स्थिति महंगी हो सकती है, Dragon Professional जैसे उच्च-स्तरीय समाधानों की कीमत $700 से अधिक है।
Python के साथ एक कस्टम समाधान का निर्माण
अपने कस्टम समाधान बनाने के लिए, हम Whisper लाइब्रेरी का उपयोग करेंगे, जो OpenAI द्वारा विकसित एक लोकप्रिय ओपन-सोर्स स्पीच रिकॉग्निशन सिस्टम है। Whisper अपनी उच्च सटीकता और गति के लिए जाना जाता है, जो इसे हमारे voice dictation app के लिए एक आदर्श विकल्प बनाता है।
Whisper को कॉन्फ़िगर करना
हम Insanely Fast Whisper कार्यान्वयन का उपयोग करेंगे, जो तेज़ प्रदर्शन के लिए ऑप्टिमम और फ्लैश तकनीक का उपयोग करता है। Whisper को हमारे Nvidia GPU पर चलाने के लिए कॉन्फ़िगर करके, हम तत्काल ट्रांसक्रिप्शन और टाइपिंग प्राप्त कर सकते हैं।
PyCharm के साथ एकीकृत करना
PyCharm उपकरणों और सुविधाओं की एक श्रृंखला प्रदान करता है जो हमारी डेवलपर उत्पादकता को बेहतर बनाने में हमारी मदद कर सकते हैं। इसके Jupyter Notebook एकीकरण के साथ, हम जल्दी से data या मॉडलों के साथ इंटरैक्ट कर सकते हैं, और इसका AI सहायक मूल्यवान अंतर्दृष्टि और सुझाव प्रदान करता है।
कस्टम कीबोर्ड शॉर्टकट जोड़ना
Python में कीबोर्ड लाइब्रेरी का उपयोग करके, हम अपने voice dictation app में कस्टम कीबोर्ड शॉर्टकट जोड़ सकते हैं। यह उपयोगकर्ताओं को अपने कंप्यूटर पर कहीं भी डिक्टेट करने की अनुमति देता है, बस एक कुंजी दबाकर और बोलकर।
स्क्रीनशॉट-आधारित टेक्स्ट रिकॉग्निशन को लागू करना
हमारे voice dictation app की सटीकता को और बेहतर बनाने के लिए, हम OCR का उपयोग करके स्क्रीनशॉट-आधारित टेक्स्ट रिकॉग्निशन को लागू कर सकते हैं। यह हमारे app को टेक्स्ट के संदर्भ को समझने और अधिक सटीक ट्रांसक्रिप्शन बनाने की अनुमति देता है।
डेमो और टेस्टिंग
परीक्षणों और उदाहरणों की एक श्रृंखला के साथ, हमारे voice dictation app की क्षमताओं का प्रदर्शन करना।
इस अनुभाग में, हम परीक्षणों और उदाहरणों की एक श्रृंखला के साथ, अपने voice dictation app की क्षमताओं का प्रदर्शन करेंगे। साधारण डिक्टेशन से लेकर अधिक जटिल परिदृश्यों तक, हमारा app बहुत आशाजनक और सटीक है।
भविष्य का विकास और ओपन-सोर्स योगदान
Whisper Writer परियोजना सहित भविष्य के विकास के अवसरों और ओपन-सोर्स योगदानों की खोज करना।
जैसे-जैसे हम अपने voice dictation app का विकास और सुधार जारी रखते हैं, हम ओपन-सोर्स योगदान और सहयोग का पता लगा सकते हैं। उदाहरण के लिए, Whisper Writer परियोजना, सुविधाओं और सुधारों की एक श्रृंखला प्रदान करती है जो हमारे app को और बढ़ाने में हमारी मदद कर सकती हैं।
निष्कर्ष और अंतिम विचार
निष्कर्ष में, हमारे voice dictation app ने महान वादा और सटीकता दिखाई है, जिसमें सुविधाओं और सुधारों की एक श्रृंखला है जो इसे उपयोगकर्ताओं के लिए एक मूल्यवान उपकरण बनाती है। जैसे ही हम भविष्य की ओर देखते हैं, हम संभावित अनुप्रयोगों और सहयोगों का पता लगा सकते हैं, जिसमें ओपन-सोर्स योगदान और आगे का विकास शामिल है।
अंतिम डेमो और उदाहरण
हमारे voice dictation app का अंतिम डेमो और उदाहरण, इसकी क्षमताओं और विशेषताओं का प्रदर्शन करना।
इस अंतिम डेमो में, हम उदाहरणों और परीक्षणों की एक श्रृंखला के साथ, अपने voice dictation app की क्षमताओं और विशेषताओं का प्रदर्शन करते हैं।
ओपन-सोर्स और सामुदायिक भागीदारी
जैसे ही हम voice dictation app के साथ अपनी यात्रा समाप्त करते हैं, हम ओपन-सोर्स और सामुदायिक भागीदारी के महत्व पर जोर देते हैं। ओपन-सोर्स परियोजनाओं में योगदान करके और उनसे सीखकर, हम बहुमूल्य अनुभव और अंतर्दृष्टि प्राप्त कर सकते हैं, जबकि समुदाय को भी वापस दे सकते हैं।
PyCharm4Lewis प्रोमो कोड का उपयोग करें PyCharm के लिए एक मुफ्त 3 महीने का निजी सदस्यता के लिए, IDE डेटा और ML पेशेवरों को ध्यान में रखकर बनाया गया है: https://jb.gg/PyCharm_Lewis https://jb.gg/Check_out_PyCharm
जब सबसे अच्छे सॉफ्टवेयर की कीमत $700 हो, तो आप इसके बजाय इसे Python से फिर से बनाते हैं। 🐍
इस वीडियो में, मैं एक वॉइस डिक्टेशन ऐप बनाता हूं जो आपकी मशीन पर स्थानीय रूप से स्टेट ऑफ द आर्ट मॉडल का उपयोग करता है और सबसे सटीक परिणाम देने के लिए इसे संसाधित करता है। हम सिर्फ मनोरंजन के लिए इसके ऊपर अन्य सुविधाएँ भी जोड़ते हैं :)
पूर्ण दायरा:
- Insanely Fast Whisper 🗣️ का उपयोग करके एक स्पीच-टू-टेक्स्ट सिस्टम बनाएं
- कस्टम कीबोर्ड शॉर्टकट बनाएं⌨️
- स्मार्ट फॉर्मेटिंग प्राप्त करने के लिए इसे AI से प्रोसेस करें🤖
- बेहतर सटीकता के लिए स्क्रीनशॉट आधारित टेक्स्ट-रिकॉग्निशन लागू करें।📷
मुझे बताएं कि क्या आप चाहते हैं कि मैं इस प्रोजेक्ट को ओपन सोर्स करूं :) मैंने पहले ही "whisper-writer" पर एक पुल रिक्वेस्ट खोल दी है, जिसे इस वीडियो के अंत तक, मैंने फोर्क करना शुरू कर दिया था।
व्हिस्पर-राइटर: https://github.com/savbell/whisper-writer
लिंक
मेरा 12K+ DISCORD 💬 https://discord.gg/GkrFX4zT2C
सोशल पर मेरे साथ जुड़ें 📸 Instagram: https://instagram.com/lewismenelaws
🎚TikTok: https://tiktok.com/@lewismenelaws
🐣 Twitter: https://twitter.com/LewisMenelaws
मेरा गियर 💻 https://liinks.co/lewismenelaws
टाइमस्टैम्प 0:00 $700 सॉफ्टवेयर 0:20 आइए इसे Python से बनाते हैं 0: 27 वॉयस रिकग्निशन 0:57 व्हिस्पर को कॉन्फ़िगर करना 1:25 आज ही PyCharm का प्रयास करें 2:06 कीबोर्ड शॉर्टकट डालना 2:33 पहले संस्करण का डेमो 2:54 वॉयस पोस्ट-प्रोसेसिंग जोड़ना 3:34 मैंने पहले क्या प्रयास किया... 3:54 बड़े भाषा मॉडल को पोस्ट प्रोसेस करना 4:03 दूसरे संस्करण का डेमो 5:36 स्क्रीनशॉट कैप्चर के माध्यम से संदर्भ प्रदान करना 5:55 OCR सुविधा का डेमो 6:58 मेरी खोजों का योगदान 7:12 धन्यवाद!
व्हिस्पर और पायथन के साथ वॉयस डिक्टेशन
परिचय (0s-8.8s) https://www.youtube.com/watch?v=GCffvbfnnq0&t=0s वक्ता वॉयस डिक्टेशन के प्रति अपने प्यार के बारे में बात करता है और यह कैसे सही नहीं है, जिससे उन्हें बेहतर विकल्पों का पता लगाने के लिए प्रेरित किया जाता है।
व्हिस्पर की खोज (8.8s-62.7s) https://www.youtube.com/watch?v=GCffvbfnnq0&t=8.8s वक्ता स्पीच रिकग्निशन टूल Whisper और इसके विभिन्न आकारों, छोटे से लेकर बड़े तक, और वे गति और बुद्धिमत्ता को कैसे प्रभावित करते हैं, के बारे में चर्चा करता है।
व्हिस्पर की स्थापना (62.7s-84.933s) https://www.youtube.com/watch?v=GCffvbfnnq0&t=62.7s स्पीकर अपने Nvidia GPU पर Whisper सेट करता है और त्वरित ट्रांसक्रिप्शन के उद्देश्य से ऑडियो नमूने के साथ इसका परीक्षण करता है।
PyCharm और Jupyter (84.933s-109.333s) https://www.youtube.com/watch?v=GCffvbfnnq0&t=84.933s वक्ता एक Python IDE, PyCharm और डेटा डेटा और ML पेशेवरों के लिए Jupyter नोटबुक का उपयोग करने के बारे में बात करता है, इसकी विशेषताओं और उपकरणों को उजागर करता है।
वौइस्-टू-टेक्स्ट सिस्टम बनाना (109.333s-153.2s) https://www.youtube.com/watch?v=GCffvbfnnq0&t=109.333s स्पीकर बताता है कि पायथन, Whisper और कीबोर्ड लाइब्रेरी का उपयोग करके वॉयस-टू-टेक्स्ट सिस्टम कैसे बनाया जाए, जिससे तत्काल ट्रांसक्रिप्शन हो सके।
नियमित अभिव्यक्ति और एज मामले (153.2s-191.133s) https://www.youtube.com/watch?v=GCffvbfnnq0&t=153.2s स्पीकर नियमित अभिव्यक्ति और एज मामलों पर चर्चा करता है, एक मजबूत वॉयस-टू-टेक्स्ट सिस्टम बनाने की चुनौतियों को उजागर करता है।
बड़े भाषा मॉडल और प्रारूपण (191.133s-247.066s) https://www.youtube.com/watch?v=GCffvbfnnq0&t=191.133s स्पीकर बड़े भाषा मॉडल और प्रारूपण की पड़ताल करता है, जिसका लक्ष्य एक ऐसा सिस्टम बनाना है जो टेक्स्ट को सही ढंग से समझ और प्रारूपित कर सके।
डेमो और निष्कर्ष (247.066s-445.866s) https://www.youtube.com/watch?v=GCffvbfnnq0&t=247.066s स्पीकर अपने वॉयस-टू-टेक्स्ट सिस्टम का प्रदर्शन करता है, इसकी क्षमताओं और सीमाओं को प्रदर्शित करता है, और वीडियो को प्रायोजित करने के लिए JetBrains को धन्यवाद देकर निष्कर्ष निकालता है।
त्वरित निष्कर्ष वीडियो Whisper और Python का उपयोग करके वॉयस डिक्टेशन की संभावनाओं की पड़ताल करता है, एक मजबूत वॉयस-टू-टेक्स्ट सिस्टम बनाने की चुनौतियों और अवसरों को उजागर करता है।
