لب خوانی در 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 پایه اینها در GitHub هم هست و دانلود کردم در یک پایگاه داده که البته داده ها را نیز دانلود کردم نتایج لب خوانی را برایم به دست آورد هم در قالب نمودار و هم در قالب عدد. البته چون حجم داده های پایگاه داده مورد نظر بالاست تا جایی که می دانم باید از گوگل کولب استفاده کنیم تا داده ها و پردازش را روی آن انجام دهیم