Загрузка данных для дообучения модели распознавания речи

Чтобы загрузить данные для дообучения модели распознавания речи, соберите их в архив и передайте его команде SpeechKit.

Перед началом работыПеред началом работы

1. Подготовьте файлы TSV с текстовыми шаблонами и глоссариями.
2. Убедитесь, что они соответствуют требованиям. Иначе файлы не пройдут проверку, и вы не сможете собрать архив.
3. Создайте сообщество в Yandex DataSphere. В нем вы будете работать.
4. Привяжите к сообществу платежный аккаунт.

Подготовка архива с данными для дообученияПодготовка архива с данными для дообучения

1. На главной странице DataSphere создайте проект.

2. Откройте ноутбук, содержащий функцию проверки данных. Если данные удовлетворяют требованиям, они будут упакованы в архив, который нужно будет передать команде SpeechKit, чтобы дообучить модель.

3. Нажмите кнопку Запустить в Yandex DataSphere.

4. Выберите проект, созданный ранее, и нажмите кнопку Добавить.

   Ноутбук откроется в JupyterLab в выбранном проекте.

5. Перетащите файлы с текстовыми шаблонам и глоссариями в папку проекта в JupyterLab.

6. В ноутбуке вызовите функцию для проверки данных. Будет сформирован архив для загрузки в SpeechKit.

   Чтобы вызвать функцию, в ноутбуке выделите ячейку, указанную ниже, и нажмите кнопку :

   prepare_stt_templates(
      templates_path="<имя_файла_с_шаблонами>.tsv",
      variables_path="<имя_папки_с_глоссариями>",
      output_path="<имя_файла_с_результатами>_tar.gz",
   )
   

7. Скачайте полученный архив. Для этого кликните на него правой кнопкой мыши и нажмите  Download.

8. Обратитесь в техническую поддержку и передайте ей собранный архив.