PVMM

변경 사항

• 모델 최종 출력 .txt -> .wav(음성)로 수정.
• 음성의 욕설 부분은 블러 처리 되어 출력.
• ex) 아 진짜 씨발 기훈이형 일 좆같이 할래? -> 아 진짜 (---) 기훈이형 일 (---)이 할래?

프로젝트 시연 영상(.txt, 문자열 블러 처리)

이미지를 누르면 시연영상을 확인할 수 있습니다.

프로젝트 시연 영상(.wav, 음성 블러 처리)

결과 영상

✔목차

• 프로젝트 정보
• 프로젝트 소개
• 팀원 소개
• 모델
• 데이터
• 학습 과정
• Ref

🔎프로젝트 정보

동아대학교 컴퓨터공학과 학생 팀
개발 기간: 2023.07.14 ~

🖐프로젝트 소개

본 프로젝트는 2023 공개SW 개발자 대회 출품작으로, 머신러닝을 이용한 실시간 음성 한국어 욕설 필터링 시스템을 API 서비스로 제공하는 프로젝트입니다.

🙋‍♀️팀원 소개

컴퓨터공학과 4학년	컴퓨터공학과 4학년	컴퓨터공학과 4학년	컴퓨터공학과 4학년	컴퓨터공학과 4학년
김현우	김혜영	박성민	서지헌	이영우
개발	PM	개발	개발	개발

모델

Bidirectional-LSTM을 사용하였고 어텐션 메커니즘을 적용하여 욕설 마스킹 기능을 구현했습니다.
Google Cloud STT API를 사용하여 Time Stamp 및 STT를 구현하였습니다.
Pydub 라이브러리를 활용하여 오디오 블러처리를 구현하였습니다.

모델 구조는 아래와 같습니다

더 자세한 내용은 코드를 참고해 주세요.

데이터

욕설 데이터셋은 약 41,000개의 문장에 대해 욕설 여부를 분류한 데이터셋입니다.

학습 과정

1. 전처리

• 연속적인 글자 단축 (ㅋㅋㅋㅋ → ㅋㅋ)
• 초성, 중성, 종성으로 분리 (안녕 → ㅇㅏㄴㄴㅕㅇ)

2. 임베딩**

• fasttext 임베딩

  fasttext를 활용하여 의미 기반의 임베딩 수행

  이 레포지토리에선 미리 학습된 fasttext 모델을 사용합니다.

  때문에 예측을 위해선 fasttext 모델이 embedding_models폴더에 fasttext.bin이라는 이름으로 옮겨져 있어야 합니다.

  fasttext 모델은 여기에서 다운로드받을 수 있습니다.

• mfcc 임베딩

  비슷한 발음의 단어를 비슷한 벡터로 임베딩 (MFCC 알고리즘 활용)

📝Ref

https://github.com/2runo/Curse-detection-v2