Initial commit MKD fixes

backend/uploads/documents/2149a352-4d58-40d0-b97a-7d3459ead696-Новый текстовый документ.txt

@@ -0,0 +1,33 @@
+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
+

backend/uploads/documents/2877dd10-e5b2-48b5-bac0-a70e4a7afe67-Новый текстовый документ (2).txt

@@ -0,0 +1,12 @@
+from pyannote.audio import Pipeline
+
+# Загрузим модель
+pipeline = Pipeline.from_pretrained("pyannote/speaker-diarization-3.1")
+
+# Запустим диаризацию на тестовом файле
+diarization = pipeline("test.mp3")
+
+# Выведем результат
+for segment, _, speaker in diarization.itertracks(yield_label=True):
+    print(f"{segment.start:.1f}s - {segment.end:.1f}s: {speaker}")
+

backend/uploads/documents/3de4efd1-0646-408d-98b3-4229d5206711-Новый текстовый документ.txt

@@ -0,0 +1,33 @@
+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
+

backend/uploads/documents/78d4d492-5470-4486-ae4c-078a5a71e13b-Новый текстовый документ (2).txt

@@ -0,0 +1,12 @@
+from pyannote.audio import Pipeline
+
+# Загрузим модель
+pipeline = Pipeline.from_pretrained("pyannote/speaker-diarization-3.1")
+
+# Запустим диаризацию на тестовом файле
+diarization = pipeline("test.mp3")
+
+# Выведем результат
+for segment, _, speaker in diarization.itertracks(yield_label=True):
+    print(f"{segment.start:.1f}s - {segment.end:.1f}s: {speaker}")
+

backend/uploads/documents/8d86223e-433e-44da-be29-ce88d846dbe2-Новый текстовый документ (2).txt

@@ -0,0 +1,12 @@
+from pyannote.audio import Pipeline
+
+# Загрузим модель
+pipeline = Pipeline.from_pretrained("pyannote/speaker-diarization-3.1")
+
+# Запустим диаризацию на тестовом файле
+diarization = pipeline("test.mp3")
+
+# Выведем результат
+for segment, _, speaker in diarization.itertracks(yield_label=True):
+    print(f"{segment.start:.1f}s - {segment.end:.1f}s: {speaker}")
+

backend/uploads/documents/a4a62964-4d55-4624-907c-3e58c14ac6cc-________________________.txt

@@ -0,0 +1,33 @@
+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
+

backend/uploads/documents/f9b389e0-3332-467d-8126-e7d461b130e3-Новый текстовый документ.txt

@@ -0,0 +1,33 @@
+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
+