34 lines
1.7 KiB
Plaintext
34 lines
1.7 KiB
Plaintext
|
Источники локального самоуправления
|
|||
|
|
Отчеты администрации городов и районов – для анализа ключевых проблем и задач.
|
|||
|
|
Протоколы совещаний, дорожные карты цифровизации.
|
|||
|
|
Публичные обращения граждан
|
|||
|
|
Обращения граждан на официальных сайтах (например, раздел "Обращения" на сайте правительства РБ).
|
|||
|
|
Форумы и соцсети (Vk, Telegram-каналы) – анализ наиболее популярных тем и проблем.
|
|||
|
|
Научные и исследовательские публикации
|
|||
|
|
Работы институтов и ВУЗов Башкортостана (БГУ, УГАТУ, БГПУ).
|
|||
|
|
Научные статьи о цифровизации госуправления.
|
|||
|
|
|
|||
|
|
|
|||
|
|
docker run -d --name openwebui -p 3000:3000 ghcr.io/open-webui/open-webui:main
|
|||
|
|
|
|||
|
|
|
|||
|
|
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
|
|||
|
|
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
|
|||
|
|
|
|||
|
|
python test_diarization.py
|
|||
|
|
|
|||
|
|
import torch.nn.functional as F
|
|||
|
|
|
|||
|
|
# Функция для вычисления сходства голосов
|
|||
|
|
def compare_embeddings(embedding1, embedding2):
|
|||
|
|
embedding1 = torch.tensor(embedding1.data).mean(dim=0)
|
|||
|
|
embedding2 = torch.tensor(embedding2.data).mean(dim=0)
|
|||
|
|
|
|||
|
|
# Используем косинусное сходство
|
|||
|
|
similarity = F.cosine_similarity(embedding1.unsqueeze(0), embedding2.unsqueeze(0))
|
|||
|
|
return similarity.item()
|
|||
|
|
|
|||
|
|
ffmpeg -i dataset/Arsen.wav -ac 1 -ar 16000 dataset/Arsen1.wav
|
|||
|
|
ffmpeg -i dataset/Sany.wav -ac 1 -ar 16000 dataset/Sany1.wav
|
|||
|
|
|