Audio Classification in python.

import os
from pydub import AudioSegment
from pydub.playback import play
from transformers import pipeline, AutoTokenizer, AutoModelForSequenceClassification
import speech_recognition as sr
from nltk import wordpunct_tokenize
from nltk.corpus import stopwords

# Türkçe dilinin stop words'lerini indirin
import nltk
nltk.download('stopwords')

# Ses dosyalarının bulunduğu klasör yolu
klasor_yolu = "/home/firengiz/İndirilenler/audio/Audio_Eng"

# Dil sınıflandırma modelini yükleme
model_name = "distilbert-base-uncased"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSequenceClassification.from_pretrained(model_name)

# Türkçe stop words'leri al
turkce_stopwords = set(stopwords.words('turkish'))

# Klasördeki tüm dosyaları al
dosya_listesi = os.listdir(klasor_yolu)

# Ses dosyalarını sırasıyla aç, transkript oluştur ve gerçek dil tahmini yap
for mp4_dosyasi in dosya_listesi:
    if mp4_dosyasi.endswith(".mp4"):
        dosya_yolu = os.path.join(klasor_yolu, mp4_dosyasi)

        # Ses dosyasını yükleme
        ses = AudioSegment.from_file(dosya_yolu, format="mp4")

        # Ses dosyasını WAV formatına dönüştürme
        wav_dosya_yolu = dosya_yolu.replace(".mp4", ".wav")
        ses.export(wav_dosya_yolu, format="wav")

        # Ses dosyasını Google Speech Recognition API kullanarak transkript oluşturma
        recognizer = sr.Recognizer()
        with sr.AudioFile(wav_dosya_yolu) as source:
            try:
                audio_data = recognizer.record(source)
                transkript = recognizer.recognize_google(audio_data, language="tr")
            except sr.UnknownValueError:
                transkript = ""  # Tanınamayan değer hatası durumunda transkripti boş bir dize olarak ayarla

        # Ses dosyasının transkripti ile gerçek dil tahmini yapma
        kelime_listesi = wordpunct_tokenize(transkript)
        turkce_kelime_sayisi = sum(1 for kelime in kelime_listesi if kelime.isalpha() and kelime.isascii() and kelime.lower() in turkce_stopwords)

        # Ses dosyasının transkripti ile dil tahmini yapma
        inputs = tokenizer(transkript, return_tensors="pt")
        outputs = model(**inputs)
        predicted_class = outputs.logits.argmax().item()

        # Gerçek dil tahminini belirleme
        real_language = "Turkish" if "tr" in mp4_dosyasi else "English"

        # Ses dosyasını oynatma
        play(ses)

        language_labels = ["English", "Turkish"]
        # Türkçe veya İngilizce dil tahminini ve transkripti yazdırma
        if turkce_kelime_sayisi > 0:
            predicted_language = "Turkish"
        else:
            predicted_language = "English"

        print(f"{mp4_dosyasi} dosyasındaki gerçek dil: {real_language}")
        print(f"{mp4_dosyasi} dosyasındaki dil tahmini: {predicted_language}")
        print(f"Transkript: {transkript}")

        # Kullanıcıdan bir tuşa basılmasını bekleyin
        input(f"{mp4_dosyasi} dosyasını dinledikten sonra devam etmek için bir tuşa basın...")

print("İşlem tamamlandı.")

Get Firengiz Kerimova’s stories in your inbox

Join Medium for free to get updates from this writer.

Remember me for faster sign in
1. Kütüphane ve Modüllerin İçe Aktarılması:

• os: İşletim sistemi ile etkileşim sağlamak için.
• pydub: Ses dosyalarını işlemek ve oynatmak için.
• transformers: Hugging Face tarafından sağlanan dil modellerini kullanmak için.
• speech_recognition: Ses tanıma için.
• nltk: Doğal dil işleme için.

1. Dil Modellerinin Yüklenmesi:

• distilbert-base-uncased modeli, dil sınıflandırma için kullanılıyor.

1. Türkçe Stop Words’lerin İndirilmesi:

• Türkçe dilindeki stop words’lerin kullanılabilmesi için NLTK kütüphanesi aracılığıyla indiriliyor.

1. Ses Dosyalarının Bulunduğu Klasör Yolu:

• klasor_yolu değişkeni, ses dosyalarının bulunduğu klasörün yolunu içeriyor.

1. Ses Dosyalarının İşlenmesi ve Dil Tahminleri:

• dosya_listesi ile klasördeki tüm dosyaların listesi alınıyor.
• Her ses dosyası için:
• Ses dosyası yükleniyor ve WAV formatına dönüştürülüyor.
• Google Speech Recognition API kullanılarak ses dosyasının transkripti alınıyor.
• Transkript üzerinde Türkçe stop words’ler kullanılarak gerçek dil tahmini yapılıyor.
• Aynı zamanda, distilbert modeli kullanılarak dil tahmini yapılıyor.

1. Sonuçların Yazdırılması:

• Gerçek dil, tahmin edilen dil ve transkript bilgileri ekrana yazdırılıyor.
• Kullanıcıdan bir tuşa basılmasını bekliyor ve sonraki dosyaya geçiyor.

1. Notlar:

• language_labels listesi, dil etiketlerini içeriyor (İngilizce ve Türkçe).
• Gerçek dil, tahmin edilen dil ve transkript bilgileri kullanıcıya gösteriliyor.

Bu kod, ses dosyalarını işleyerek dil tahminleri yapmak ve transkriptleri almak için oldukça kapsamlı bir yaklaşım kullanmaktadır. pydub, transformers, speech_recognition, ve nltk gibi çeşitli kütüphaneleri kullanarak bu işlemleri gerçekleştirmektedir.