Konuşma Tanıma ve Ses İşleme Eğitimi

Eğitim Hakkında

Bu eğitim, ses kayıtlarından anlamlı bilgi çıkaran ve konuşmayı metne dönüştüren sistemler geliştirmek isteyen teknik ekipler için tasarlanmış üç günlük uygulamalı bir programdır. Katılımcılar ses sinyali temelleri ve ön işlemeden Whisper ile wav2vec 2.0 modellerine, Türkçe ince ayardan konuşmacı ayrıştırmaya ve gerçek zamanlı tanıma mimarisine kadar süreci Python ile uygular.

Neden Bu Eğitim?

Sinyalden Modele. Ses sinyalinin temellerinden modern konuşma tanıma modellerine uzanan bütüncül ve sağlam bir bakış edinin.

Türkçe Odaklı ASR. Türkçenin eklemeli yapısı, aksan çeşitliliği ve telefon kalitesindeki kayıtlara özgü sorunları yönetin.

Üretime Hazır Mimari. Toplu ve gerçek zamanlı tanıma, konuşmacı ayrıştırma ve maliyet dengesini gözeten sistemler tasarlayın.

“Konuşma, insanın en doğal arayüzüdür; onu doğru tanıyan sistemler teknolojiyi herkes için daha erişilebilir kılar.”

Ön Koşullar

Python Bilgisi — Python ile fonksiyon ve sınıf yazabilmek, NumPy dizileriyle rahatça çalışabilmek.
Makine Öğrenmesi — Sinir ağı, kayıp fonksiyonu ve eğitim-doğrulama ayrımı gibi temel kavramlara aşinalık.
Matematik Temeli — Temel doğrusal cebir ve sinüs dalgası, frekans gibi sinyal kavramlarına genel aşinalık.
GPU Erişimi — Python 3 ve Jupyter kurulu bilgisayar ile ince ayar için GPU destekli bulut not defteri.

Eğitim İçeriği

Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.

Günün hedefiDijital ses sinyalinin temel özelliklerini kavramak, Python ile ses verisini işlemek, spektral özellikler çıkarmak ve gürültü ile sessizlik bölgelerini yönetmek.

Modül 1

Dijital Ses ve Konuşma Sinyali

Ses dalgası, örnekleme hızı, bit derinliği ve kanal
Nyquist teoremi ve örtüşme (aliasing) kavramı
WAV, FLAC, MP3 ve telefon kodeği G.711 farkları
Konuşmanın akustik yapısı: temel frekans ve formantlar
Çağrı merkezi kayıtlarında 8 kHz dar bant sınırlamaları
Laboratuvar: librosa ile ses dosyası okuma ve inceleme

Modül 2

Zaman-Frekans Analizi ve Özellik Çıkarımı

Fourier dönüşümü ve kısa zamanlı Fourier dönüşümü
Spektrogram ve mel spektrogram gösterimleri
MFCC özellikleri ve konuşma işlemedeki yeri
Enerji, sıfır geçiş oranı ve perde (pitch) özellikleri
torchaudio ile özellik çıkarımı ve veri dönüşümleri
Laboratuvar: Farklı konuşmacıların spektral karşılaştırması

Modül 3

Ses Ön İşleme ve İyileştirme

Yeniden örnekleme, normalizasyon ve kanal ayrıştırma
Arka plan gürültüsü, yankı ve bozulma türleri
Spektral çıkarma ve derin öğrenme ile gürültü azaltma
Ses etkinliği tespiti (VAD) ve Silero VAD kullanımı
Uzun kayıtların anlamlı parçalara bölünmesi
Laboratuvar: Gürültülü çağrı kaydı için ön işleme hattı

Modül 4

Ses Sınıflandırma ile Derin Öğrenmeye Giriş

Ses olayı ve konuşma dışı ses sınıflandırma problemleri
Mel spektrogram üzerinde evrişimli sinir ağları (CNN)
Veri artırma: zaman kaydırma, gürültü ve SpecAugment
Önceden eğitilmiş ses modelleri ve öğrenme aktarımı
Laboratuvar: PyTorch ile basit ses sınıflandırıcısı
Günün değerlendirmesi ve konuşma tanıma gününe köprü

Günün hedefiModern konuşma tanıma mimarilerini kavramak, Whisper ve wav2vec 2.0 modellerini Türkçe veride değerlendirmek, ince ayar yapmak ve bulut servisleriyle karşılaştırmak.

Modül 1

Konuşma Tanıma Mimarileri

Klasik HMM-GMM sistemlerinden uçtan uca modellere geçiş
CTC kaybı ve kodlayıcı tabanlı tanıma yaklaşımı
Kodlayıcı-kod çözücü ve dikkat tabanlı ASR modelleri
Öz denetimli öğrenme: wav2vec 2.0 ve HuBERT
Whisper mimarisi, çok dilli eğitim ve model boyutları
Demo: Aynı kaydın farklı model boyutlarıyla çözümlenmesi

Modül 2

Türkçe ASR ve Başarım Değerlendirmesi

Türkçenin eklemeli yapısı ve kelime hata oranına etkisi
Kelime (WER) ve karakter hata oranı (CER) hesaplama
Mozilla Common Voice ve FLEURS Türkçe veri setleri
Metin normalizasyonu: sayı, tarih ve kısaltma yazımı
Aksan, gürültü ve alan terimi kaynaklı hataların analizi
Laboratuvar: jiwer ile model karşılaştırma raporu

Modül 3

Whisper ve wav2vec 2.0 İnce Ayarı

Alan verisi hazırlama: ses ve transkript eşleştirme
Hugging Face Transformers ile Whisper ince ayarı
LoRA ile parametre verimli ince ayar yaklaşımı
Alan terimleri için bağlam promptu ve sözlük desteği
Aşırı öğrenme ve unutma (catastrophic forgetting) riski
Laboratuvar: Çağrı merkezi terimleriyle Whisper ince ayarı

Modül 4

Bulut Servisleri ve Verimli Çıkarım

Azure AI Speech, Google Cloud ve Amazon Transcribe kıyası
Özel sözlük ve özel model seçeneklerinin karşılaştırılması
faster-whisper ve nicemleme (quantization) ile hızlandırma
Şirket içi ve bulut kurulumda maliyet ve gizlilik dengesi
Laboratuvar: Bulut servisi ile açık kaynak model kıyası
Günün değerlendirmesi ve uygulama gününe köprü

Günün hedefiKonuşmacı ayrıştırma uygulamak, gerçek zamanlı tanıma mimarisi kurmak, metinden sese teknolojilerini tanımak ve çağrı merkezi ses projesini sunmak.

Modül 1

Konuşmacı Ayrıştırma ve Konuşmacı Tanıma

Konuşmacı ayrıştırma (diarization) iş akışı
pyannote.audio ile konuşmacı bölütleme ve kümeleme
Transkript ile konuşmacı etiketlerinin hizalanması
Konuşmacı gömmeleri ve konuşmacı doğrulama temelleri
Ses biyometrisi, sahte ses (deepfake) ve sahtecilik riski
Laboratuvar: Tek kanallı çağrı kaydında ayrıştırma

Modül 2

Gerçek Zamanlı Konuşma Tanıma Mimarisi

Akış (streaming) tanıma ve gecikme bütçesi
WebSocket ile ses akışı ve kısmi sonuç yönetimi
VAD tabanlı konuşma sonu tespiti ve söz kesme
Temsilci asistanı için canlı transkript senaryosu
Ölçeklendirme: eşzamanlı çağrı ve GPU kaynak planı
Demo: Canlı mikrofon akışından anlık transkript

Modül 3

Metinden Sese ve Sesli Asistan Bileşenleri

Metinden sese (TTS) teknolojilerinin temelleri
Türkçe TTS'de telaffuz, vurgu ve doğal prozodi
ASR, LLM ve TTS ile sesli asistan boru hattı
IVR modernizasyonu ve doğal dil ile yönlendirme
Ses klonlama etiği, rıza ve yapay ses bilgilendirmesi
Laboratuvar: Basit sesli soru-cevap prototipi

Modül 4

Çağrı Merkezi Ses Projesi ve Kapanış

Proje: Çağrı kayıtlarından ayrıştırılmış transkript hattı
KVKK kapsamında ses kaydı ve biyometrik veri yükümlülüğü
Transkriptlerde kişisel verilerin otomatik maskelenmesi
Proje sunumları, WER raporu ve mimari geri bildirim
Genel değerlendirme ve Soru-Cevap oturumu
Sertifikaların takdimi ve kapanış oturumu

Eğitim Kazanımları

Sinyal Okuryazarlığı — Örnekleme, spektrogram ve MFCC gibi kavramlarla ses verisini doğru yorumlayıp analize hazırlayabileceksiniz.
Ses Ön İşleme — Gürültü azaltma, VAD ve bölütleme adımlarıyla gerçek dünya kayıtları için sağlam ön işleme hattı kurabileceksiniz.
ASR Mimarileri — CTC, kodlayıcı-kod çözücü ve öz denetimli modellerin çalışma mantığını ve farklarını açıklayabileceksiniz.
Türkçe Değerlendirme — WER ve CER metrikleriyle Türkçe konuşma tanıma modellerini adil ve normalizasyonlu biçimde kıyaslayacaksınız.
Model İnce Ayarı — Whisper modelini alan verisiyle ve LoRA gibi verimli yöntemlerle kurumunuzun terimlerine uyarlayabileceksiniz.
Konuşmacı Ayrıştırma — pyannote.audio ile kimin ne zaman konuştuğunu belirleyip transkriptle hizalayabileceksiniz.
Gerçek Zamanlı Sistem — Gecikme bütçesini gözeten, akış tabanlı ve ölçeklenebilir bir konuşma tanıma mimarisi tasarlayabileceksiniz.
Gizlilik ve Etik — Ses kayıtlarında KVKK yükümlülüklerini, maskeleme ve ses klonlama risklerini gözeterek çözüm geliştireceksiniz.

Kimler İçin Uygundur?

Makine öğrenmesi ve yapay zeka mühendisleri
veri bilimciler
ses ve sinyal işleme geliştiricileri
çağrı merkezi teknoloji ekipleri ve konuşma analitiği uzmanları.

Sıkça Sorulan Sorular

Konuşma Tanıma ve Ses İşleme Eğitimi kimler için uygundur?

Program; makine öğrenmesi mühendisleri, veri bilimciler, ses ve sinyal işleme geliştiricileri ile çağrı merkezi teknoloji ve konuşma analitiği ekipleri için tasarlanmıştır.

Eğitim ne kadar sürer ve hangi formatta verilir?

Eğitim 3 tam gün sürer ve 12 modülden oluşur. Kurumun tercihine göre Digital Vizyon Akademi sınıflarında, kurum lokasyonunda veya online olarak gerçekleştirilir.

Eğitime katılmak için hangi ön bilgiler gerekiyor?

Python ve NumPy ile rahat çalışabilmek ve sinir ağlarına dair temel makine öğrenmesi kavramlarını bilmek beklenir. Sinyal işleme konuları ilk gün temelden anlatılır; ince ayar için GPU erişimi önerilir.

Eğitimde hangi model ve araçlar kullanılıyor?

Uygulamalarda librosa, torchaudio, Silero VAD, Whisper, wav2vec 2.0, faster-whisper, pyannote.audio ve jiwer kullanılır; Azure AI Speech, Google Cloud Speech-to-Text ve Amazon Transcribe gibi bulut servisleri karşılaştırılır.

Kurumun kendi çağrı kayıtlarıyla çalışılabilir mi?

Evet. KVKK kapsamındaki yükümlülükler ve kurum politikaları gözetilerek anonimleştirilmiş kayıtlarla çalışılabilir; aksi durumda Mozilla Common Voice ve FLEURS gibi açık Türkçe veri setleri kullanılır.

Sertifikalandırma

Bu eğitim Katılım Sertifikası ile tamamlanır.

Eğitim başında “Ön Test”, bitiminde “Son Test” uygulanarak gelişim ölçümlenir. Değerlendirme formunu dolduran katılımcılar sertifikalarını alır. Sertifikanızın geçerliliğini Sertifika Sorgulama sayfasından doğrulayabilirsiniz.

Örnek Sertifika

KONUŞMA TANIMA VE SES İŞLEME EĞİTİMİ

Eğitim Hakkında

Neden Bu Eğitim?

Ön Koşullar

Eğitim İçeriği

Dijital Ses ve Konuşma Sinyali

Zaman-Frekans Analizi ve Özellik Çıkarımı

Ses Ön İşleme ve İyileştirme

Ses Sınıflandırma ile Derin Öğrenmeye Giriş

Konuşma Tanıma Mimarileri

Türkçe ASR ve Başarım Değerlendirmesi

Whisper ve wav2vec 2.0 İnce Ayarı

Bulut Servisleri ve Verimli Çıkarım

Konuşmacı Ayrıştırma ve Konuşmacı Tanıma

Gerçek Zamanlı Konuşma Tanıma Mimarisi

Metinden Sese ve Sesli Asistan Bileşenleri

Çağrı Merkezi Ses Projesi ve Kapanış

Eğitim Kazanımları

Kimler İçin Uygundur?

Sıkça Sorulan Sorular

Sertifikalandırma

Eğitim Bilgileri

Benzer Programlar

Yapay Zeka Güvenliğine Giriş Eğitimi

Yapay Zeka Kurumsal Strateji Yönetimi Eğitimi

Yapay Zeka Küresel Yönetişim Çerçeveleri Eğitimi