🎤 Projet Personnel - Reconnaissance Vocale avec Whisper

📋 Description du Projet

Ce projet explore les capacités du modèle Whisper d'OpenAI pour la reconnaissance vocale automatique en français. L'objectif est d'évaluer les performances du modèle face à différents types d'audios : propre, bruité et accentué, en utilisant la métrique WER (Word Error Rate).

🎯 Objectifs

• Évaluer les performances du modèle Whisper sur différents types d'audios
• Analyser l'impact du bruit et des accents sur la qualité de transcription
• Développer un pipeline complet de traitement audio
• Fournir des métriques quantitatives d'évaluation

🏗️ Architecture du Projet

projet_machine_learning2/
├── 📁 notebooks/                 # Notebooks Jupyter du pipeline
│   ├── 01_data_prep.ipynb       # Préparation et exploration des données
│   ├── 02_transcription.ipynb    # Transcription automatique avec Whisper
│   └── 03_evaluation.ipynb      # Évaluation des performances
├── 📁 data/                     # Données audio
│   ├── raw/                     # Fichiers audio bruts
│   └── processed/               # Fichiers audio traités
├── 📁 reports/                  # Rapports et visualisations
│   ├── Rapport_Final_ML2_Whisper.pdf
│   ├── wer_by_category.png
│   ├── processing_time.png
│   └── file_distribution.png
├── 📄 requirements.txt          # Dépendances Python
├── 📄 generate_report.py        # Script de génération du rapport
├── 📄 .gitignore               # Fichiers à ignorer par Git
└── 📄 README.md                # Documentation du projet

🚀 Installation et Configuration

Prérequis

• Python 3.8 ou supérieur
• pip ou conda pour la gestion des packages
• Git pour le contrôle de version

Installation des Dépendances

1. Cloner le repository :

   git clone <url-du-repository>
   cd projet_machine_learning2

2. Installer les dépendances :

   pip install -r requirements.txt

3. Installer Whisper (si nécessaire) :

   pip install openai-whisper

Dépendances Principales

• openai-whisper : Modèle de reconnaissance vocale
• pandas : Manipulation et analyse de données
• matplotlib : Visualisation des données
• numpy : Calculs numériques
• reportlab : Génération de rapports PDF
• jupyter : Environnement de développement interactif

📊 Pipeline de Traitement

1. Préparation des Données (01_data_prep.ipynb)

• Chargement des fichiers audio bruts
• Écoute et validation de la qualité audio
• Visualisation des caractéristiques temporelles et fréquentielles
• Nettoyage et normalisation des fichiers
• Création du manifest pour le pipeline

2. Transcription Automatique (02_transcription.ipynb)

• Configuration du modèle Whisper
• Chargement des fichiers préparés
• Transcription automatique de chaque fichier
• Sauvegarde des résultats au format CSV
• Visualisation d'exemples de transcriptions

3. Évaluation des Performances (03_evaluation.ipynb)

• Chargement des transcriptions générées
• Calcul du WER pour chaque fichier
• Analyse par catégorie (propre, bruité, accentué)
• Visualisation des résultats
• Discussion des limites et améliorations

📈 Résultats Principaux

Performances par Catégorie

Catégorie	WER (%)	Nb Fichiers	Temps Moyen (s)
Propre	12%	15	2.3
Bruit Faible	25%	12	2.8
Bruit Fort	40%	10	3.2
Accent	55%	8	3.5

Observations Clés

• ✅ Meilleures performances sur les audios propres (12% WER)
• ⚠️ Dégradation progressive avec l'augmentation du bruit
• 🔴 Défi majeur avec les accents régionaux (55% WER)
• ⏱️ Temps de traitement proportionnel à la complexité

📋 Utilisation

Exécution des Notebooks

1. Lancer Jupyter :

   jupyter notebook

2. Exécuter dans l'ordre :

   • 01_data_prep.ipynb
   • 02_transcription.ipynb
   • 03_evaluation.ipynb

Génération du Rapport PDF

python generate_report.py

Le rapport complet sera généré dans le dossier reports/ avec :

• Analyse détaillée des résultats
• Graphiques et visualisations
• Recommandations et pistes d'amélioration

🔧 Configuration

Structure des Données

Placez vos fichiers audio dans le dossier data/raw/ organisés par catégorie :

data/raw/
├── propre/
├── bruit_faible/
├── bruit_fort/
└── accent/

Paramètres Whisper

Le modèle Whisper peut être configuré dans 02_transcription.ipynb :

• Taille du modèle : tiny, base, small, medium, large
• Langue : fr (français)
• Format de sortie : CSV avec métadonnées

📊 Métriques d'Évaluation

WER (Word Error Rate)

Formule : WER = (S + D + I) / N

• S : Substitutions (mots incorrects)
• D : Délétions (mots manqués)
• I : Insertions (mots ajoutés)
• N : Nombre total de mots de référence

Autres Métriques

• Temps de traitement par fichier
• Taux de réussite par catégorie
• Analyse qualitative des erreurs

🚧 Limitations et Améliorations

Limitations Identifiées

• Taille du dataset limitée par catégorie
• Variété des accents restreinte
• Conditions d'enregistrement variables
• Métriques limitées au WER

Pistes d'Amélioration

• 🔧 Fine-tuning sur corpus français étendu
• 🎵 Préprocessing avancé de réduction de bruit
• 📝 Post-processing avec règles linguistiques
• 📊 Métriques supplémentaires (BLEU, ROUGE)
• 📈 Extension du dataset avec plus de variétés

👨‍💻 Auteur

Cédric BOIMIN
Aspirant Data Analyst

📄 Licence

Ce projet personnel est développé à des fins d'apprentissage et de démonstration.
© 2025 - Projet personnel

🤝 Contribution

Les contributions et suggestions sont les bienvenues !
N'hésitez pas à ouvrir une issue ou proposer des améliorations.

📚 Références

• OpenAI Whisper
• Documentation Whisper
• Métriques d'évaluation ASR
• Jupyter Notebook

---

Dernière mise à jour : Octobre 2025