huggingface/audio-transformers-course

它解决了什么问题

学习将变换器模型应用于音频和语音可能具有挑战性，因为该领域技术性强且发展迅速。本课程提供了一条结构化、免费且开源的路径，帮助理解变换器如何用于语音识别、音频分类等任务。通过免费提供所有内容，它消除了昂贵或封闭材料的障碍。

它是如何工作的

本课程由存储在仓库中的MDX（Markdown和JSX的混合）章节文件构建而成。这些章节包含解释性文本和代码片段。代码片段可以自动提取到Jupyter笔记本中，因此学习者可以运行并实验这些示例。内容托管在Hugging Face网站上，仓库包含一个目录文件（_toctree.yml），定义了课程结构。该项目还支持社区贡献，特别是翻译成其他语言，并提供了清晰的工作流程：打开问题，加入Discord，分叉仓库，复制英文文件，翻译，本地构建，并提交拉取请求。

适合谁

这适合任何想学习如何将变换器模型应用于音频和语音数据的人，从初学者到从业者。也适合那些希望通过贡献翻译来帮助使此类教育对非英语使用者可及的人。课程是免费的，因此对所有学习者开放。

亮点

• 完全免费且开源
• 涵盖应用于音频和语音任务的变换器
• 支持多种语言（孟加拉语、英语、西班牙语、法语、韩语、俄语、土耳其语和简体中文），并可通过社区翻译增加更多语言
• 包含从课程代码片段生成的Jupyter笔记本
• 提供清晰的翻译贡献指南，包括本地构建课程和提交拉取请求
• 课程内容按章节和部分组织，并带有目录便于导航