برنامه نویسی پایتون و تشخیص لب‌خوانی گفتار پیوسته

می خواهم برنامه ای به زبان پایتون یا مطلب بنویسم که با استفاده از یک شبکه عصبی ترنسفورمر و یک مدل زبانی که کدهای آنها در GitHub هم هست و دانلود کردم، در پایگاه داده ای که آن را نیز دانلود کردم، نتایج لب خوانی را به دست آورد و نتایج را در قالب نمودار و مقادیر عددی نمایش دهد و فرمول های ریاضی استفاده شده نیز در دسترس باشند. با توجه به حجم بالای داده تا جایی که می دانم باید از گوگل کولب استفاده شود.