Sistema de clasificación de audio que identifica sonidos ambientales usando un modelo CNN ResNet.

Qué hace?

• Clasifica archivos de audio en 50 categorías del dataset ESC-50 (ladridos de perro, lluvia, bocinas de auto, etc).

Cómo funciona?

• Convierte audio a espectrogramas mel
• Usa red neuronal ResNet para clasificación
• Retorna predicciones principales con puntajes de confianza

1. Instalar dependencias con uv:

uv sync

2. Entrenar el modelo en Modal cloud:

make train

3. Desplegar servidor de inferencia:

make deploy

4. Probar el endpoint:

make test

• src/ - Código principal del modelo y entrenamiento
• ops/ - Scripts de despliegue en Modal
• tests/ - Archivos de pruebas
• data/ - Dataset ESC-50