# Processar dados de áudio

Este guia mostra métodos específicos para processar conjuntos de dados de áudio. Aprenda como:

- Reamostra a taxa de amostragem.
- Use [map()](/docs/datasets/v5.2.0/pt/package_reference/main_classes#datasets.Dataset.map) com conjuntos de dados de áudio.

Para um guia sobre como processar qualquer tipo de conjunto de dados, consulte o guia de processo geral.

## Cast

A função [cast_column()](/docs/datasets/v5.2.0/pt/package_reference/main_classes#datasets.Dataset.cast_column) é usada para converter uma coluna para outro recurso a ser decodificado. Ao usar esta função com o recurso [Audio](/docs/datasets/v5.2.0/pt/package_reference/main_classes#datasets.Audio), você pode reamostrar a taxa de amostragem:

```py
>>> from datasets import load_dataset, Audio

>>> dataset = load_dataset("PolyAI/minds14", "en-US", split="train")
>>> dataset = dataset.cast_column("audio", Audio(sampling_rate=16000))
```

Os arquivos de áudio são decodificados e reamostrados em tempo real, de modo que, na próxima vez que você acessar um exemplo, o arquivo de áudio será reamostrado para 16 kHz:

```py
>>> audio = dataset[0]["audio"]
<datasets.features._torchcodec.AudioDecoder object at 0x11642b6a0>
>>> audio = audio_dataset[0]["audio"]
>>> samples = audio.get_all_samples()
>>> samples.data
tensor([[ 0.0000e+00,  0.0000e+00,  0.0000e+00,  ...,  2.3447e-06,
         -1.9127e-04, -5.3330e-05]]
>>> samples.sample_rate
16000
```

  <img
    class="block dark:hidden"
    src="https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/datasets/resample.gif"
  />
  <img
    class="hidden dark:block"
    src="https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/datasets/resample-dark.gif"
  />

## Map

A função [map()](/docs/datasets/v5.2.0/pt/package_reference/main_classes#datasets.Dataset.map) ajuda a pré-processar todo o seu dataset de uma vez. Dependendo do tipo de modelo com o qual você está trabalhando, será necessário carregar um [feature extractor](https://huggingface.co/docs/transformers/model_doc/auto#transformers.AutoFeatureExtractor) ou um [processor](https://huggingface.co/docs/transformers/model_doc/auto#transformers.AutoProcessor).

- Para modelos de reconhecimento de fala pré-treinados, carregue um extrator de recursos e um tokenizador e combine-os em um `processor`:

  ```py
  >>> from transformers import AutoTokenizer, AutoFeatureExtractor, AutoProcessor

  >>> model_checkpoint = "facebook/wav2vec2-large-xlsr-53"
  # after defining a vocab.json file you can instantiate a tokenizer object:
  >>> tokenizer = AutoTokenizer("./vocab.json", unk_token="[UNK]", pad_token="[PAD]", word_delimiter_token="|")
  >>> feature_extractor = AutoFeatureExtractor.from_pretrained(model_checkpoint)
  >>> processor = AutoProcessor.from_pretrained(feature_extractor=feature_extractor, tokenizer=tokenizer)
  ```

- Para modelos de reconhecimento de fala ajustados, você só precisa carregar um `processor`:

  ```py
  >>> from transformers import AutoProcessor

  >>> processor = AutoProcessor.from_pretrained("facebook/wav2vec2-base-960h")
  ```

Ao usar [map()](/docs/datasets/v5.2.0/pt/package_reference/main_classes#datasets.Dataset.map) com sua função de pré-processamento, inclua a coluna `audio` para garantir que você esteja realmente reamostrando os dados de áudio:

```py
>>> def prepare_dataset(batch):
...     audio = batch["audio"]
...     batch["input_values"] = processor(audio.get_all_samples().data, sampling_rate=audio["sampling_rate"]).input_values[0]
...     batch["input_length"] = len(batch["input_values"])
...     with processor.as_target_processor():
...         batch["labels"] = processor(batch["sentence"]).input_ids
...     return batch
>>> dataset = dataset.map(prepare_dataset, remove_columns=dataset.column_names)
```