স্পিচ-টু-টেক্সট মডেল আঞ্চলিক বাংলায় প্রায়ই হোঁচট খায়। এই নোটবুক FLEURS বাংলা ডেটাসেটে (CC BY 4.0) Whisper ফাইন-টিউন করে এবং অঞ্চলভেদে ওয়ার্ড এরর রেট মাপে — যেমন সিলেটি বা চট্টগ্রামের বক্তা — যাতে আরও ডেটা জোগাড়ের আগেই দেখা যায় কোথায় সমস্যা।
আপনি যা করবেন
- বাংলার জন্য নিরাপদ টেক্সট নরমালাইজারে Whisper ফাইন-টিউন (ডিফল্টটি বাংলা স্বরচিহ্ন মুছে ফেলে)।
- বাক্য ধরে ডেটা ভাগ, যাতে টেস্টের বাক্য ট্রেনিংয়ে না ঢোকে।
- অঞ্চল ধরে এরর রেট তুলনা।
জেনে রাখুন
- Whisper Apache-2.0। আঞ্চলিক অডিও ডেটাসেটের লাইসেন্স আলাদা; নিজের রেকর্ডিং যোগ করার পথ দেখানো আছে, আর বক্তাদের লিখিত সম্মতি ছাড়া রেকর্ড না করার কথা বলা আছে।