- 영상/음성 파일에 대한 스크립트를 생성하기 위한 서버
- 서버 : Python Flask restx
- 모델 : kospeech에서 제공하는 Acoustic Model 중 deepspeech2(ds2) model 사용
- 현재 Repository에 서버 API에 해당하는 코드와 학습된 deepspeech2 model 모두 포함
- Aihub 한국어 음성 1000시간 중 200시간 데이터로 학습 완료
- Aihub 한국어 강의 음성 4000시간 (약 570만개) 학습 예정
- 현재 학습은 32 batch size, 20 epoch로 진행
-
/audio/audioPost : 음성 파일(.wav)을 서버에 업로드
-
/audio/inferenceAudio : 서버에 업로드된 음성 파일을 추론
-
/video/postVideo : 동영상 파일(.mp4)를 서버에 업로드
-
/video/inferenceAudio : 서버에 업로드된 음성 파일을 추론
http://localhost:5000 로 접속하여 Swagger API 상세 스펙 확인 가능
- Python 3.9 가상환경 사용
conda create -n project_name python==3.9
- Numpy :
pip install numpy - Pandas :
pip install pandas - Matplotlib :
pip install matplotlib - librosa :
conda install -c conda-forge librosa - torchaudio :
pip install torchaudio==0.8.0 - tqdm :
pip install tqdm - hydra :
pip install hydra-core --upgrade - flask :
pip install flask - flask_restx :
pip install flask_restx - python-docx :
pip install python-docx
pip install -r requirements_backend.txt
python start_server.py