Transcribir a archivos de texto horas y horas de grabaciones del sistema de atenci\u00f3n a clientes.<\/strong><\/p>\n\n\n\n Ok my friend, desaf\u00edo aceptado.<\/p>\n\n\n\n \u00cdbamos a utilizar los clips que nuestro amigo menciona, pero como no pod\u00edamos acceder todav\u00eda a sus archivos, prepar\u00e9 una serie de clips de audio para entrenar los modelos y poder presentar una prueba de concepto completa a nuestro cliente.<\/p>\n\n\n\n Para esto utilic\u00e9 porciones de video que extraje de algunos webinars que he dictado a trav\u00e9s del tiempo y que ten\u00eda en el disco de mi laptop. Algunos en espa\u00f1ol, otros en ingl\u00e9s.<\/p>\n\n\n\n Para el ejemplo que describir\u00e9 ahora, pueden ver el video completo ac\u00e1: https:\/\/www.decisionscience.bi\/2020\/09\/20\/demistifying-price-elasticity\/<\/a><\/p>\n\n\n\n Sub\u00ed el video a AWS (espec\u00edficamente a un bucket de S3), para agilizar el proceso y tenerlo siempre disponible.<\/p>\n\n\n\n Con una simple interface drag and drop, podemos definir el flujo de procesamiento del modelo.<\/p>\n\n\n\n En nuestro primer nodo, debemos definir los datos que utilizaremos, lo que se hace f\u00e1cilmente con un simple JSON cuya estructura la podemos tomar de la documentaci\u00f3n disponible:<\/p>\n\n\n\n En nuestro caso el Id del video, el email a notificar cuando el job se complete y la url conteniendo el activo de datos a utilizar (en este caso nuestro video).<\/p>\n\n\n\n Asignamos las variables definidas en nuestro JSON al payload del modelo, seleccionamos el motor de procesamiento y capturamos los errores (en caso de que surgiera alguno).<\/p>\n\n\n\n Salvamos, hacemos deploy y ya nuestro modelo est\u00e1 listo para utilizar.<\/p>\n\n\n\n As\u00ed que pasamos a Alteryx.<\/p>\n\n\n\n Para ejecutar nuestros modelos, existen dos etapas:<\/p>\n\n\n\n Para ello, tenemos en el Gallery dos herramientas (https:\/\/gallery.alteryx.com\/#!app\/Veritone-aiWARE-Tools\/5ff7444e0462d71998d0c4be<\/a>), una para cada proceso.<\/p>\n\n\n\n Paso 1: Lanzamos el job al servidor:<\/p>\n\n\n\n Seleccionamos desde d\u00f3nde estaremos alimentando los datos, en este caso desde S3, pero podr\u00edamos estar subiendo archivos desde nuestra m\u00e1quina, tomar datos desde una herramienta conectada al conector de input, o seleccionar archivos subidos anteriormente.<\/p>\n\n\n\n Luego le damos un nombre a nuestro proyecto (en este caso \u201cWebinar Transcription\u201d) y como seleccion\u00e9 que iba a utilizar un video alojado en S3, debo colocar las credenciales de acceso.<\/p>\n\n\n\n Por \u00faltimo, en la parte inferior de la herramienta, seleccionaremos qu\u00e9 modelo vamos a utilizar. Disponemos de la opci\u00f3n de flujos standard o custom (creados por nosotros, como el que les coment\u00e9 m\u00e1s arriba)<\/p>\n\n\n\n Y eso es todo lo que necesitamos, as\u00ed que a ejecutar el workflow.<\/p>\n\n\n\n Paso 2: La segunda parte del ejemplo involucra el acceso a los resultados del modelo de transcripci\u00f3n, donde esperamos leer la transcripci\u00f3n del contenido.<\/p>\n\n\n\n Para eso, en un flujo nuevo, vamos a utilizar la segunda herramienta mencionada m\u00e1s arriba (Query aiWARE Data):<\/p>\n\n\n\n Esta vez, vamos a seleccionar de nuestras opciones \u201cList of Assets\u201d, que corresponde a los resultados de los modelos ejecutados por nosotros previamente.<\/p>\n\n\n\n En caso de que exista alg\u00fan proceso nuestro, todav\u00eda ejecut\u00e1ndose en el servidor, lo ver\u00edamos debajo de la secci\u00f3n \u201cPending AI Jobs\u201d.<\/p>\n\n\n\n Un poco de parsing a los resultados recibidos y podemos acceder a toda la transcripci\u00f3n del audio.<\/p>\n\n\n\n Todo el texto en un campo \u00fanico, o<\/p>\n\n\n\n Palabra por palabra, con los datos en milisegundos donde aparece en el audio, y el % de confianza de su traducci\u00f3n.<\/p>\n\n\n\n Un caso de uso simple, pero de alt\u00edsimo valor para las empresas. Pensemos en la aplicaci\u00f3n de estas soluciones a transcripci\u00f3n de llamadas de Call Center, testimonios judiciales, generaci\u00f3n de manuales en base a dictado, subtitulado de videos, en fin, sus aplicaciones son infinitas.<\/p>\n\n\n\n En breve les estar\u00e9 compartiendo otros casos de uso (reconocimiento facial en videos, reconocimiento de logotipos en fotos y videos y otros m\u00e1s) en los que estoy trabajando.<\/p>\n\n\n\n Espero que les sea \u00fatil y no duden en contactarse si necesitan ayuda\/apoyo.<\/p>\n\n\n\n Saludos<\/p>","protected":false},"excerpt":{"rendered":" El otro d\u00eda me plantearon un caso de uso que me pareci\u00f3 interesante explorar, y debido a que los resultados me fascinaron quiero compartirlo con Uds. En esta \u00e9poca de anuncios acerca de \u201c\u2026apriete un bot\u00f3n en su computadora y un modelo de Machine Learning o Inteligencia Artificial har\u00e1 todo lo que Uds. Quiera\u2026\u201d al CMO de … Continue reading “Transcripciones de audio\/Video a texto usando ML & AI (y sin escribir c\u00f3digo)”<\/span><\/a><\/p>","protected":false},"author":2,"featured_media":1062,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"qubely_global_settings":"","qubely_interactions":"","footnotes":""},"categories":[5,10,3,8,11,1],"tags":[],"class_list":["post-1061","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-blog","category-buttons","category-contenido","category-slider-posts","category-testimonials","category-uncategorized"],"qubely_featured_image_url":{"full":["https:\/\/www.decisionscience.bi\/wp-content\/uploads\/cover.jpg",399,213,false],"landscape":["https:\/\/www.decisionscience.bi\/wp-content\/uploads\/cover.jpg",399,213,false],"portraits":["https:\/\/www.decisionscience.bi\/wp-content\/uploads\/cover.jpg",399,213,false],"thumbnail":["https:\/\/www.decisionscience.bi\/wp-content\/uploads\/cover-150x80.jpg",150,80,true],"medium":["https:\/\/www.decisionscience.bi\/wp-content\/uploads\/cover-300x160.jpg",300,160,true],"medium_large":["https:\/\/www.decisionscience.bi\/wp-content\/uploads\/cover.jpg",399,213,false],"large":["https:\/\/www.decisionscience.bi\/wp-content\/uploads\/cover.jpg",399,213,false],"hd_qu_size2":["https:\/\/www.decisionscience.bi\/wp-content\/uploads\/cover.jpg",399,213,false],"1536x1536":["https:\/\/www.decisionscience.bi\/wp-content\/uploads\/cover.jpg",399,213,false],"2048x2048":["https:\/\/www.decisionscience.bi\/wp-content\/uploads\/cover.jpg",399,213,false],"trp-custom-language-flag":["https:\/\/www.decisionscience.bi\/wp-content\/uploads\/cover.jpg",18,10,false],"qubely_landscape":["https:\/\/www.decisionscience.bi\/wp-content\/uploads\/cover.jpg",399,213,false],"qubely_portrait":["https:\/\/www.decisionscience.bi\/wp-content\/uploads\/cover.jpg",399,213,false],"qubely_thumbnail":["https:\/\/www.decisionscience.bi\/wp-content\/uploads\/cover.jpg",140,75,false],"post-thumbnail":["https:\/\/www.decisionscience.bi\/wp-content\/uploads\/cover.jpg",399,213,false]},"qubely_author":{"display_name":"aguisande@decisionscience.bi","author_link":"https:\/\/www.decisionscience.bi\/fr\/author\/aguisandedecisionscience-bi\/"},"qubely_comment":0,"qubely_category":"Blog<\/a> buttons<\/a> contenido<\/a> Slider Posts<\/a> Testimonials<\/a> Uncategorized<\/a>","qubely_excerpt":"El otro d\u00eda me plantearon un caso de uso que me pareci\u00f3 interesante explorar, y debido a que los resultados me fascinaron quiero compartirlo con Uds. En esta \u00e9poca de anuncios acerca de \u201c\u2026apriete un bot\u00f3n en su computadora y un modelo de Machine Learning o Inteligencia Artificial har\u00e1 todo lo que Uds. Quiera\u2026\u201d al CMO de…","yoast_head":"\nLos insumos<\/h2>\n\n\n\n
<\/figure>\n\n\n\n
Armado del Modelo<\/h2>\n\n\n\n
<\/figure>\n\n\n\n
<\/figure>\n\n\n\n
<\/figure>\n\n\n\n
<\/figure>\n\n\n\n
<\/figure>\n\n\n\n
<\/figure>\n\n\n\n
<\/figure>\n\n\n\n
<\/figure>\n\n\n\n