Dieser Inhalt ist nur für snipKI Mitglieder bestimmt.
Jetzt beitreten

Eigenes Audio-Machine-Learning-Modell mit Teachable Machine erstellen

Klicke auf die Sterne, um eine Bewertung hinzuzufügen
( 4 )
Veröffentlicht: vor 4 Monaten 1001 Ansichten 0 Kommentare
Dieser Inhalt ist nur für snipKI Mitglieder bestimmt.
Jetzt beitreten
ExpertInnen
  1. Projekt auswählen:
  2. Klassen definieren:
    • Definiere verschiedene Klassen, die du trainieren möchtest (z.B. Hintergrundgeräusche, Klatschen, Buhrufe).
  3. Daten sammeln:
    • Nimm für jede Klasse mindestens 8 Audiodateien auf. Beginne mit den Hintergrundgeräuschen und fahre mit den spezifischen Geräuschen fort.
  4. Modell trainieren:
    • Klicke auf “Modell trainieren” und warte, bis der Trainingsprozess abgeschlossen ist.
  5. Modell testen:
    • Teste dein Modell, indem du überprüfst, wie gut es die verschiedenen Klassen erkennt.
  6. Modell exportieren:
    • Klicke auf “Modell exportieren” und wähle aus, ob du das Modell lokal speichern oder über einen Freigabelink nutzen möchtest.
  • Verständnis für die Erstellung eines Audio-Machine-Learning-Modells.
  • Erlernen des Umgangs mit der Teachable Machine Plattform.
  • Fähigkeit, Audiodaten zu sammeln und zu kategorisieren.
  • Export und Integration des trainierten Modells in Anwendungen

  • Emotionserkennung in Kundengesprächen: Beschreibung: Erstelle ein Modell, das die Stimmung von Kundenanrufen erkennt und automatisch zwischen positiven und negativen Gesprächen unterscheidet.
  • Sicherheitsüberwachung: Beschreibung: Entwickle ein Modell, das ungewöhnliche Geräusche wie Glasbruch oder Schritte in einem leeren Gebäude erkennt und sofort Alarm schlägt.
  • Sprachbefehle für Smart Home Geräte: Beschreibung: Trainiere ein Modell, das verschiedene Sprachbefehle für die Steuerung von Smart Home Geräten erkennt, wie Licht an/aus oder Lautstärke erhöhen/reduzieren.
  • Kategorisierung von Kundenfeedback: Beschreibung: Erstelle ein Modell, das Audio-Feedback automatisch in positive, negative und neutrale Kategorien einteilt, um Trends und Verbesserungsmöglichkeiten zu erkennen.
  • Stresserkennung bei Patienten: Beschreibung: Entwickle ein Modell, das die Stimmen von Patienten analysiert, um frühzeitig Stresslevel oder gesundheitliche Probleme zu identifizieren.
Als nächstes
Teilen

Neugierig auf mehr?

Bereits über 220 praxisorientierte und kompakte KI-Tutorials warten auf dich!