Pipeline open-source in Python per la rimozione automatica dei dati sensibili (PII) dalle tracce audio.
Sfrutta modelli NER (GLiNER2) e LLM locali (llama.cpp) per analizzare il contesto e censurare le informazioni interamente offline.
Modello addestrato su 1.445.302 linee di canzoni rap (Kaggle). Sperimentazione con embedding e rete feed-forward per generare nuovi testi.
Train loss: 3.1864 | Val loss: 3.9321
Modello addestrato su 1.825.433 nomi.
Sperimentazione con embedding e rete feed-forward per generare nuovi nomi.
Loss
media (4-gram): 2.0107
Classificatore k-Nearest Neighbors per
distinguere casi maligni da benigni.
Accuracy:
96.48% | Recall: 93.49%