Documentos de traballo · fala, saúde e IA fiableVigo, 2026

Titoriais

Notebooks executables sobre aprendizaxe automática con audio. Todos funcionan na CPU dun portátil con datos sintéticos e están pensados para reutilizarse en proxectos reais.

T1 · Duración: menos de 1 min en CPU

MFCC e PLP desde cero: como aprenderon a escoitar as máquinas

Constrúe paso a paso en NumPy os dous trazos clásicos da fala, segue un fotograma de voz real a través de ambos pipelines e observa que lles fai o ruído. O front end que usaba todo recoñecedor antes do deep learning, e o tema do meu primeiro artigo.

NumPySciPylibrosaWhisper

Ler o titorial →

T2 · Duración: uns 9 min en CPU

Fine-tuning de Whisper con Optuna, validación cruzada e MLflow

Un ciclo completo e reproducible de fine-tuning de Whisper sobre voz real, con validación cruzada agrupada, pruning con Optuna, runs aniñados en MLflow e un test bloqueado, que remata nunha decisión explícita fronte a un baseline zero-shot.

WhisperTransformersOptunaMLflowLibriSpeech

Ler o titorial →

T4 · Duración: uns 4 min en CPU

Radial LoRA en Whisper, implementado desde cero

Escribe R-LoRA en poucas liñas de PyTorch, compróbao numericamente, adestra un clasificador Whisper xunto a un LoRA de referencia e aprende as dúas cousas que cambian na práctica: a taxa de aprendizaxe e a fusión.

WhisperPyTorchR-LoRAPEFTscikit-learn

Ler o titorial →