m-bain/whisperX

Convert arabic numerals and symbols to phonetic form

Aberta

#38 aberto em 25 de jan. de 2023

Ver no GitHub
 (2 comentários) (0 reação) (0 responsável)Python (2.386 forks)batch import
help wanted

Métricas do repositório

Stars
 (23.718 estrelas)
Métricas de merge de PR
 (Métricas PR pendentes)

Description

Currently arabic numerals and symbols in whisper transcript cannot be aligned, needs to be phonetic alphabet.

Need to perform inverse of normalization in https://github.com/m-bain/whisperX/blob/main/whisperx/normalizers/english.py

Such that numbers and currencies are converted to their phonetic word form.

E.g. "$300" -> "three hundred dollars"

To perform wav2vec alignment.

Then convert back to symbol form, and assign timestamps.

Guia do colaborador

Direção de pesquisa
A questão requer a implementação do inverso da função de normalização em whisperx/normalizers/english.py para converter números e moedas em sua forma fonética de palavras (por exemplo, $300 > 'three hundred dollars') para o alinhamento wav2vec. Após o alinhamento, a forma fonética deve ser convertida de volta para a forma simbólica e os timestamps devem ser atribuídos. A função de normalização existente deve ser estudada para entender as transformações. Nenhum PR vinculado ou comentário do mantenedor fornece orientação adicional.
Pilha de tecnologia
python
Domain
backendai
Tipo Issue
Funcionalidade
DifficultyDificuldade de implementação estimada para um novo contribuidor, de 1 para alterações muito pequenas a 5 para trabalho de nível especializado.
3
Tempo estimadoUm intervalo de tempo aproximado para um colaborador experiente investigar, implementar, testar e preparar um pull request.
1-2 dias
Status da atividadeQuão disponível o issue aparece agora: novo, ativo, obsoleto, bloqueado ou aguardando entrada do mantenedor.
Ativo
ClarityCom que clareza o issue explica a mudança esperada, os critérios de aceitação e a próxima etapa.
Principalmente claro
Prerequisites
PythonASR basics
Simpatia para novatosUma pontuação de 1 a 100 que estima o quão acessível este issue é para colaboradores iniciantes.
40