Poder aprender automáticamente de datos de audio ha permitido grandes avances en diversas disciplinas. En esta competencia se solicita clasificar extractos de audio de duración variable entre 167 hablantes.

Un enfoque común es producir un [Espectrograma](https://towardsdatascience.com/learning-from-audio-spectrograms-37df29dba98c) a partir del audio y aprender sobre éste con redes recurrentes o convolucionales. En la sección data encontrarán el script utils.py con algunas funciones que podrían ayudarles.

Los datos no están perfectamente limpios, pero para efectos de esta competencia se entenderá que hay 1 speaker hablando por extracto. Tienen silencios y otros speakers que deberían ser despreciables.

Tip: Generalmente, para cada audio, se extraen ventanas de tamaño N segundos y se construye el espectrograma sobre cada una de estas ventanas, entendiéndolas como un dato etiquetado con el speaker del audio.