# Traiter les données audio

Ce guide présente des méthodes spécifiques pour le traitement de jeux de données audio. Apprenez à :

- Rééchantillonner la fréquence d'échantillonnage.
- Utilisez [map()](/docs/datasets/main/fr/package_reference/main_classes#datasets.Dataset.map) avec les jeux de données audio.

Pour un guide sur la façon de traiter n'importe quel type de jeu de données, consultez le guide du processus général.

## Cast

La fonction [cast_column()](/docs/datasets/main/fr/package_reference/main_classes#datasets.Dataset.cast_column) sert à convertir une colonne vers une autre fonctionnalité à décoder. Lorsque vous utilisez cette fonction avec la fonctionnalité [Audio](/docs/datasets/main/fr/package_reference/main_classes#datasets.Audio), vous pouvez rééchantillonner le taux d'échantillonnage :

```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))
```

Les fichiers audio sont décodés et rééchantillonnés à la volée, de sorte que la prochaine fois que vous accédez à un exemple, le fichier audio est rééchantillonné à 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"
  />

## Carte

La fonction [map()](/docs/datasets/main/fr/package_reference/main_classes#datasets.Dataset.map) permet de prétraiter l’ensemble de votre jeu de données d’un coup. Selon le type de modèle avec lequel vous travaillez, vous devrez charger un [extracteur de caractéristiques](https://huggingface.co/docs/transformers/model_doc/auto#transformers.AutoFeatureExtractor) ou un [processeur](https://huggingface.co/docs/transformers/model_doc/auto#transformers.AutoProcessor).

- Pour les modèles de reconnaissance vocale pré-entraînés, chargez un extracteur de caractéristiques et un tokenizer, puis combinez-les dans un `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)
  ```

- Pour les modèles de reconnaissance vocale affinés, vous n'avez besoin que de charger un `processor` :

  ```py
  >>> from transformers import AutoProcessor

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

Lorsque vous utilisez [map()](/docs/datasets/main/fr/package_reference/main_classes#datasets.Dataset.map) avec votre fonction de prétraitement, incluez la colonne `audio` pour vous assurer de rééchantillonner réellement les données audio :

```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)
```