LSC-Trainer

Reconocimiento de Lengua de Señas Colombiana con MediaPipe + TensorFlow

---

¿Qué hace?

1. Extrae keypoints de video (MediaPipe)
2. Predice palabras en tiempo real
3. Valida las predicciones contra la transcripción (Whisper) y genera nuevos clips para re-entrenar
4. Entrena un modelo LSTM con los clips validados

📺 Videos de entrada esperados

Grabaciones de noticieros o transmisiones en vivo donde un intérprete de LSM traduzca la voz en tiempo real.
El intérprete debe aparecer de medio cuerpo (de la cintura hacia arriba), de frente y sin cortes bruscos de cámara. entre mejor sea la calidad del video mejor.

---

Instalación rápida

# 1. Clona
git clone https://github.com/WilliamDevUT/data_miner_lsc.git
cd data_miner_lsc

## 2. Crea y activa los ambientes

cd ai_trainer
py -3.10 -m venv venv_dm    # data_miner

cd..

cd data_miner
py -3.10 -m venv venv_ai    # ai_trainer

cd..

# 3. Instala dependencias para ambos ambientes
venv_dm\Scripts\activate    # Linux/mac: source venv_dm/bin/activate

pip install -r requirements/data_miner.txt

venv_ai\Scripts\activate
pip install -r requirements/ai_trainer.txt

# 4. Crea un .env y añade tu GROQ_API_KEY

Regístrate en https://console.groq.com → API Keys
Crea .env en la carpeta de data_miner:
`GROQ_API_KEY=gsk_xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx`

Mira setup.md para todos los pasos de instalación (ffmpeg, claves API, etc.).

(https://github.com/WilliamDevUT/data_miner_lsc/blob/main/docs/setup.md)

Comandos tipicos

Paso	Comando	Descripción
1	python data_miner/mining_data.py --url YOU_TUBE_URL	Descarga → segmentos → keypoints
2	python ai_trainer/predicting_data.py --mode latest	Predice último video
3	python ai_trainer/predicting_data.py --mode validate --full-pipeline	Corta clips buenos/malos y actualiza dataset
4	python ai_trainer/training_model.py	Entrena modelo (auto-guarda con fecha)

Requisitos

• Python 3.10
• ffmpeg (en PATH)
• Groq API key (opcional, para transcripción rápida)