Dans le scénario actuel où le temps est un facteur essentiel pour un individu, on trouve toujours fastidieux de travailler sur des tâches qui prennent du temps et on espère des alternatives.Ce projet vise à construire des modèles qui transcrivent les vidéos qui y sont ajoutées. La classification des sons est l'une des applications les plus utilisées dans le domaine de l'apprentissage profond de l'audio. Il s'agit d'apprendre à classer des sons et à prédire la catégorie de ce son. Ce type de problème peut être appliqué à de nombreux scénarios pratiques, par exemple la classification de clips musicaux pour identifier le genre de la musique, ou la classification de courts énoncés par un ensemble de locuteurs pour identifier le locuteur sur la base de la voix.