python 语音特征提取_使用python实现语音文件的特征提取方法
概述
语音识别是当前人工智能的比较热门的方向,技术也比较成熟,各大公司也相继推出了各自的语音助手机器人,如百度的小度机器人、阿里的天猫精灵等。语音识别算法当前主要是由rnn、lstm、dnn-hmm等机器学习和深度学习技术做支撑。但训练这些模型的第一步就是将音频文件数据化,提取当中的语音特征。
mp3文件转化为wav文件
录制音频文件的软件大多数都是以mp3格式输出的,但mp3格式文件对语音的压缩比例较重,因此首先利用ffmpeg将转化为wav原始文件有利于语音特征的提取。其转化代码如下:
from pydub import audiosegment
import pydub
def mp32wav(mp3_path,wav_path):
"""
这是mp3文件转化成wav文件的函数
:param mp3_path: mp3文件的地址
:param wav_path: wav文件的地址
"""
pydub.audiosegment.converter = "d:\\ffmpeg\\bin\\ffmpeg.exe"
mp3_file = audiosegment.from_mp3(file=mp3_path)
mp3_file.export(wav_path,format="wav")
读取wav语音文件,对语音进行采样
利用wave库对语音文件进行采样。
代码如下:
import wave
import json
def read_wav(wav_path):
"""
这是读取wav文件的函数,音频数据是单通道的。返回json
:param wav_path: wav文件的地址
"""
wav_file = wave.open(wav_path,'r')
numchannel = wav_file.getnchannels() # 声道数
samplewidth = wav_file.getsampwidth() # 量化位数
framerate = wav_file.getframerate() # 采样频率
numframes = wav_file.getnframes() # 采样点数
print("channel", numchannel)
print("sample_width", samplewidth)
print("framerate", framerate)
print("numframes", numframes)
wav_data = wav_file.readframes(numframes)
wav_data = np.fromstring(wav_data,dtype=np.int16)
wav_data = wav_data*1.0/(max(abs(wav_data))) #对数据进行归一化
# 生成音频数据,ndarray不能进行json化,必须转化为list,生成json
dict = {"channel":numchannel,
"samplewidth":samplewidth,
"framerate":framerate,
"numframes":numframes,
"wavedata":list(wav_data)}
return json.dumps(dict)
绘制声波折线图与频谱图
代码如下:
from matplotlib import pyplot as plt
def drawspectrum(wav_data,framerate):
"""
这是画音频的频谱函数
:param wav_data: 音频数据
:param framerate: 采样频率
"""
time = np.linspace(0,len(wav_data)/framerate*1.0,num=len(wav_data))
plt.figure(1)
plt.plot(time,wav_data)
plt.grid(true)
plt.show()
plt.figure(2)
pxx, freqs, bins, im = plt.specgram(wav_data,nfft=1024,fs = 16000,noverlap=900)
plt.show()
print(pxx)
print(freqs)
print(bins)
print(im)
首先利用百度ai开发平台的语音合api生成的mp3文件进行上述过程的结果。
声波折线图
频谱图
全部代码
#!/usr/bin/python3
# -*- coding: utf-8 -*-
# @time : 2018/7/5 13:11
# @author : daipuwei
# @filename: voiceextract.py
# @software: pycharm
# @e-mail :771830171@qq.com
# @blog :https://blog.csdn.net/qq_30091945
import numpy as np
from pydub import audiosegment
import pydub
import os
import wave
import json
from matplotlib import pyplot as plt
def mp32wav(mp3_path,wav_path):
"""
这是mp3文件转化成wav文件的函数
:param mp3_path: mp3文件的地址
:param wav_path: wav文件的地址
"""
pydub.audiosegment.converter = "d:\\ffmpeg\\bin\\ffmpeg.exe" #说明ffmpeg的地址
mp3_file = audiosegment.from_mp3(file=mp3_path)
mp3_file.export(wav_path,format="wav")
def read_wav(wav_path):
"""
这是读取wav文件的函数,音频数据是单通道的。返回json
:param wav_path: wav文件的地址
"""
wav_file = wave.open(wav_path,'r')
numchannel = wav_file.getnchannels() # 声道数
samplewidth = wav_file.getsampwidth() # 量化位数
framerate = wav_file.getframerate() # 采样频率
numframes = wav_file.getnframes() # 采样点数
print("channel", numchannel)
print("sample_width", samplewidth)
print("framerate", framerate)
print("numframes", numframes)
wav_data = wav_file.readframes(numframes)
wav_data = np.fromstring(wav_data,dtype=np.int16)
wav_data = wav_data*1.0/(max(abs(wav_data))) #对数据进行归一化
# 生成音频数据,ndarray不能进行json化,必须转化为list,生成json
dict = {"channel":numchannel,
"samplewidth":samplewidth,
"framerate":framerate,
"numframes":numframes,
"wavedata":list(wav_data)}
return json.dumps(dict)
def drawspectrum(wav_data,framerate):
"""
这是画音频的频谱函数
:param wav_data: 音频数据
:param framerate: 采样频率
"""
time = np.linspace(0,len(wav_data)/framerate*1.0,num=len(wav_data))
plt.figure(1)
plt.plot(time,wav_data)
plt.grid(true)
plt.show()
plt.figure(2)
pxx, freqs, bins, im = plt.specgram(wav_data,nfft=1024,fs = 16000,noverlap=900)
plt.show()
print(pxx)
print(freqs)
print(bins)
print(im)
def run_main():
"""
这是主函数
"""
# mp3文件和wav文件的地址
path1 = './mp3_file'
path2 = "./wav_file"
paths = os.listdir(path1)
mp3_paths = []
# 获取mp3文件的相对地址
for mp3_path in paths:
mp3_paths.append(path1+"/"+mp3_path)
print(mp3_paths)
# 得到mp3文件对应的wav文件的相对地址
wav_paths = []
for mp3_path in mp3_paths:
wav_path = path2+"/"+mp3_path[1:].split('.')[0].split('/')[-1]+'.wav'
wav_paths.append(wav_path)
print(wav_paths)
# 将mp3文件转化成wav文件
for(mp3_path,wav_path) in zip(mp3_paths,wav_paths):
mp32wav(mp3_path,wav_path)
for wav_path in wav_paths:
read_wav(wav_path)
# 开始对音频文件进行数据化
for wav_path in wav_paths:
wav_json = read_wav(wav_path)
print(wav_json)
wav = json.loads(wav_json)
wav_data = np.array(wav['wavedata'])
framerate = int(wav['framerate'])
drawspectrum(wav_data,framerate)
if __name__ == '__main__':
run_main()
以上这篇使用python实现语音文件的特征提取方法就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持萬仟网。
如您对本文有疑问或者有任何想说的,请点击进行留言回复,万千网友为您解惑!
python 语音特征提取_使用python实现语音文件的特征提取方法相关推荐
- python语音特征提取_使用Python从视频中提取语音
python语音特征提取 In this post, I will show you how to extract speeches from a video recording file. Afte ...
- python音频特征提取_使用Python对音频进行特征提取
写在前面 因为喜欢玩儿音乐游戏,所以打算研究一下如何用深度学习的模型生成音游的谱面.这篇文章主要目的是介绍或者总结一些音频的知识和代码. 恩.如果没玩儿过的话,音乐游戏大概是下面这个样子. 下面进入正 ...
- python 时间序列预测_使用Python进行动手时间序列预测
python 时间序列预测 Time series analysis is the endeavor of extracting meaningful summary and statistical ...
- python 概率分布模型_使用python的概率模型进行公司估值
python 概率分布模型 Note from Towards Data Science's editors: While we allow independent authors to publis ...
- python实现语音播放_用Python实现语音播报
以下内容为带着儿子一起学Python的实现记录,为自己保存下来,也希望对其他学习者有用! 1. 确保已经安装python,本例使用python,操作系统为:Windows 10 专业版: 2. 设置环 ...
- python 创意项目_针对python开发人员的10个很棒的python项目创意
python 创意项目 The joy of coding Python should be in seeing short, concise, readable classes that expre ...
- espeak 中文语音包_从零开始搭建一个语音对话机器人
点击上方[全栈开发者社区]→右上角[...]→[设为星标⭐] ♪ 点击上方绿标 收听从零开始搭建一个语音对话机器人 从零开始搭建一个语音对话机器人 目录 01-初心缘由 01-准备工作 02-语音机器 ...
- 怎样用python自动化办公_会python基础,如何学习自动化办公?
Python 自动化,爽爽的解决 本课程完全让你摒弃重复率高,机械操作的劳动,解放双手,自动化办公,比如Excel表的各种计算,合并,比对,尤其是跨表,大量数据的,连Excel打开都费劲的,Pytho ...
- python集群_使用Python集群文档
python集群 Natural Language Processing has made huge advancements in the last years. Currently, variou ...
最新文章
- Linux下的简单socket编程示例
- ML之DT:基于DT决策树算法(对比是否经特征筛选FS处理)对Titanic(泰坦尼克号)数据集进行二分类预测
- 20181204-1 每周例行报告
- 修改oracle用户权限,详解如何实现Oracle修改用户权限和角色
- IS2009制作Oracle 静默安装包(二) 感谢空白先生特许授权
- 2021届定远三中高考成绩查询,定远各中学高考喜报!
- linux的find命令满屏权限不够提示
- 阿里云IoT将举办第三届极客创新挑战赛,吸引全球极客参赛
- 应用 | Redis实现 主从,单例,集群,哨兵,配置应用
- linux之使用grep搜索文本
- Python——用assert语句来确保参数符合当前程序的要求
- css3制作八棱锥_CSS3制作各种形状图像
- 中南大学 10科学计算和 MATLAB 语言 矩阵变换
- Python之面向对象2
- jquey控制元素滚动条,外层div滚动,内层顶部div固定不动
- Hibernate学习笔记:数据库连接的配置
- 鲜花销售管理系统jsp全部代码_[内附完整源码和文档] 基于JSP网上花店销售系统的设计与实现...
- 爱普生L4168打印出来是白纸,复印OK,打印机测试也OK 解决方案
- PR模板 有趣的波普艺术网络自媒体宣传PR视频模板
- 2018之后的Unity3d制作AR教程