python_speech_features文档翻译

最近学习语音情感识别，需要提取语音特征，用到python_speech_features这个库，顺便把文档翻译一下，希望能帮到需要的人。英语水平不高，难免有错，敬请指正

欢迎来到python_speech_features的文档！

这个库提供了一般的用于ASR（语音识别）的语音特征，他包含了MFCCs（梅尔倒谱系数）和 filterbank energies（滤波器组能量？）。如果你还不知道什么是MFCCs，并且想要更多的了解MFCC，这里有一个教程：http://www.practicalcryptography.com/miscellaneous/machine-learning/guide-mel-frequency-cepstral-coefficients-mfccs/

你需要numpy和scipy来运行这个库，这个项目的代码保存在https://github.com/jameslyons/python_speech_features

支持的特征：

python_speech_features.mfcc() - 梅尔倒谱系数
python_speech_features.fbank() - 滤波器组能量（？）
python_speech_features.logfbank() - 对数滤波器组能量
python_speech_features.ssc() - 子带频谱质心特征

使用MFCC特征：

from python_speech_features import mfcc
from python_speech_features import logfbank
import scipy.io.wavfile as wav(rate,sig) = wav.read("file.wav")
mfcc_feat = mfcc(sig,rate)
fbank_feat = logfbank(sig,rate)print(fbank_feat[1:3,:])

从这里你可以把特征写入一个文件

python_speech_features模块提供的函数

python_speech_features.base.mfcc(signal, samplerate=16000, winlen=0.025, winstep=0.01, numcep=13, nfilt=26, nfft=512, lowfreq=0, highfreq=None, preemph=0.97, ceplifter=22, appendEnergy=True, winfunc=<function <lambda>>)

计算一个音频信号的MFCC特征

参数：

signal - 需要用来计算特征的音频信号，应该是一个N*1的数组
samplerate - 我们用来工作的信号的采样率
winlen - 分析窗口的长度，按秒计，默认0.025s(25ms)
winstep - 连续窗口之间的步长，按秒计，默认0.01s（10ms）
numcep - 倒频谱返回的数量，默认13
nfilt - 滤波器组的滤波器数量，默认26
nfft - FFT的大小，默认512
lowfreq - 梅尔滤波器的最低边缘，单位赫兹，默认为0
highfreq - 梅尔滤波器的最高边缘，单位赫兹，默认为采样率/2
preemph - 应用预加重过滤器和预加重过滤器的系数，0表示没有过滤器，默认0.97
ceplifter - 将升降器应用于最终的倒谱系数。 0没有升降机。默认值为22。
appendEnergy - 如果是true，则将第0个倒谱系数替换为总帧能量的对数。
winfunc - 分析窗口应用于每个框架。默认情况下不应用任何窗口。你可以在这里使用numpy窗口函数例如：winfunc=numpy.hamming

返回：一个大小为numcep的numpy数组，包含着特征，每一行都包含一个特征向量。

python_speech_features.base.fbank(signal, samplerate=16000, winlen=0.025, winstep=0.01, nfilt=26, nfft=512, lowfreq=0, highfreq=None, preemph=0.97, winfunc=<function <lambda>>)

从一个音频信号中计算梅尔滤波器能量特征

参数：

signal - 需要用来计算特征的音频信号，应该是一个N*1的数组
samplerate - 我们用来工作的信号的采样率
winlen - 分析窗口的长度，按秒计，默认0.025s(25ms)
winstep - 连续窗口之间的步长，按秒计，默认0.01s（10ms）
nfilt - 滤波器组的滤波器数量，默认26
nfft - FFT的大小，默认512
lowfreq - 梅尔滤波器的最低边缘，单位赫兹，默认为0
highfreq - 梅尔滤波器的最高边缘，单位赫兹，默认为采样率/2
preemph - 应用预加重过滤器和预加重过滤器的系数，0表示没有过滤器，默认0.97
winfunc - 分析窗口应用于每个框架。默认情况下不应用任何窗口。你可以在这里使用numpy窗口函数例如：winfunc=numpy.hamming

返回：2个值。第一个是一个包含着特征的大小为nfilt的numpy数组，每一行都有一个特征向量。第二个返回值是每一帧的能量

python_speech_features.base.logfbank(signal, samplerate=16000, winlen=0.025, winstep=0.01, nfilt=26, nfft=512, lowfreq=0, highfreq=None, preemph=0.97)

从一个音频信号中计算梅尔滤波器能量特征的对数

参数：

signal - 需要用来计算特征的音频信号，应该是一个N*1的数组
samplerate - 我们用来工作的信号的采样率
winlen - 分析窗口的长度，按秒计，默认0.025s(25ms)
winstep - 连续窗口之间的步长，按秒计，默认0.01s（10ms）
nfilt - 滤波器组的滤波器数量，默认26
nfft - FFT的大小，默认512
lowfreq - 梅尔滤波器的最低边缘，单位赫兹，默认为0
highfreq - 梅尔滤波器的最高边缘，单位赫兹，默认为采样率/2
preemph - 应用预加重过滤器和预加重过滤器的系数，0表示没有过滤器，默认0.97

返回：一个包含特征的大小为nfilt的numpy数组，每一行都有一个特征向量

python_speech_features.base.ssc(signal, samplerate=16000, winlen=0.025, winstep=0.01, nfilt=26, nfft=512, lowfreq=0, highfreq=None, preemph=0.97, winfunc=<function <lambda>>)

从一个音频信号中计算子带频谱质心特征

参数：

signal - 需要用来计算特征的音频信号，应该是一个N*1的数组
samplerate - 我们用来工作的信号的采样率
winlen - 分析窗口的长度，按秒计，默认0.025s(25ms)
winstep - 连续窗口之间的步长，按秒计，默认0.01s（10ms）
nfilt - 滤波器组的滤波器数量，默认26
nfft - FFT的大小，默认512
lowfreq - 梅尔滤波器的最低边缘，单位赫兹，默认为0
highfreq - 梅尔滤波器的最高边缘，单位赫兹，默认为采样率/2
preemph - 应用预加重过滤器和预加重过滤器的系数，0表示没有过滤器，默认0.97
winfunc - 分析窗口应用于每个框架。默认情况下不应用任何窗口。你可以在这里使用numpy窗口函数例如：winfunc=numpy.hamming

返回：一个包含特征的大小为nfilt的numpy数组，每一行都有一个特征向量

python_speech_features.base.hz2mel(hz)

把一个赫兹值转换为梅尔值

参数： hz - 一个单位为Hz的值，他也可以是一个numpy数组，转换按元素进行

返回：一个单位为Mels的值，如果输入时矩阵，那么返回的也是对应大小的矩阵

python_speech_features.base.mel2hz(mel)

把一个梅尔值转化为赫兹

参数： mel - 一个单位为Mels的值，他也可以是一个numpy数组，转换按元素进行

返回：一个单位为Herz的值，如果输入时矩阵，那么返回的也是对应大小的矩阵

python_speech_features.base.get_filterbanks(nfilt=20, nfft=512, samplerate=16000, lowfreq=0, highfreq=None)

计算一个梅尔滤波器组。过滤器存储在行中，列对应于FFT箱。过滤器以大小为nfilt *（nfft/2＋1）的数组返回。

参数：

nfilt - 滤波器组的滤波器数量，默认20
nfft - FFT的大小，默认512
samplerate - 我们用来工作的信号的采样率
lowfreq - 梅尔滤波器的最低边缘，单位赫兹，默认为0
highfreq - 梅尔滤波器的最高边缘，单位赫兹，默认为采样率/2

返回：一个包含有滤波器的大小为nfilt *（nfft/2＋1）的数组，每一行都有一个过滤器。

python_speech_features.base.lifter(cepstra, L=22)

将倒谱提升器应用于倒频谱的矩阵。这具有增加高频DCT系数的幅度的效果。

参数：

cepstra -- 梅尔倒谱矩阵，大小为numframes*numcep
L - 提升器的系数，默认22，L<=0禁用

python_speech_features.base.delta(feat, N)

从特征向量序列计算delta特征。

参数：

feat - 一个大小为特征数量的numpy数组，每一行都有一个特征向量
N - 对于每一帧，计算delta特征根据前后N帧

返回：一个大小为特征数量的numpy数组，包含有delta特征，每一行都有一个delta向量

sigproc模块提供的函数

python_speech_features.sigproc.framesig(sig, frame_len, frame_step, winfunc=<function <lambda>>, stride_trick=True)

将信号框成重叠帧。

参数：

sig - 音频信号帧
frame_len - 样品中每一帧的长度
frame_step - 下一帧开始后前一帧开始后的样本数。
winfunc - 分析窗口应用于每个框架。默认情况下不应用任何窗口。
stride_trick - 使用步长技巧快速计算滚动窗口和窗口倍增

返回：一个帧的数组，大小是frame_len

python_speech_features.sigproc.deframesig(frames, siglen, frame_len, frame_step, winfunc=<function <lambda>>)

使用重叠添加过程撤消了frameig操作。

参数：

frames - frames的数组
siglen - 所需信号的长度，如果未知，则使用0。输出将被截断到siglen样本。
frame_len - 样品中每一帧的长度
frame_step - 下一帧开始后前一帧开始后的样本数。
winfunc - 分析窗口应用于每个框架。默认情况下不应用任何窗口。

返回：一个1维信号

python_speech_features.sigproc.magspec(frames, NFFT)

计算帧中每个帧的幅度谱。如果帧是NxD矩阵，输出将是Nx（NFFT/2＋1）。

参数：

frames - frames的数组，每一行就是一帧
NFFT - 使用的FFT长度。如果NFFT>帧长度，帧就是零填充的。

返回：如果帧是N*D矩阵，输出将是N*(nfft/2+1)。每一行都是相应帧的幅度谱。

python_speech_features.sigproc.powspec(frames, NFFT)

计算帧中每个帧的功率谱。如果帧是NXD矩阵，输出将是NX（NFFT/2＋1）。

参数：

frames - frames的数组，每一行就是一帧
NFFT - 使用的FFT长度。如果NFFT>帧长度，帧就是零填充的。

返回：如果帧是N*D矩阵，输出将是N*(nfft/2+1)。每一行都是相应帧的功率谱。

python_speech_features.sigproc.logpowspec(frames, NFFT, norm=1)

计算帧中每个帧的对数功率谱。如果帧是NXD矩阵，输出将是NX（NFFT/2＋1）。

参数：

frames - frames的数组，每一行就是一帧
NFFT - 使用的FFT长度。如果NFFT>帧长度，帧就是零填充的。
norm - 如果范数＝1，则对数功率谱被归一化，使得最大值（跨越所有帧）为0。

返回：如果帧是N*D矩阵，输出将是N*(nfft/2+1)。每一行都是相应帧的对数功率谱。

python_speech_features.sigproc.preemphasis(signal, coeff=0.95)

对输入信号进行预加重。

参数：

signal - 过滤器的信号
coeff - 预加重系数，0为无，默认0.95

返回：滤波后的信号

python_speech_features文档翻译相关推荐

【iOS官方文档翻译】iOS蓝牙的基本概念
之前写了[iOS官方文档翻译]iOS的蓝牙连接.数据接收及发送一文,介绍了怎样进行蓝牙通讯,但是很多基本概念没有进行解释,看起来可能有点吃力,所以现在再翻译一篇苹果对官方蓝牙4.0一些基本概念介绍的文 ...
Sencha-概念-Layouts(布局)（官网文档翻译8）
Sencha-概念-Layouts(布局)(官网文档翻译8) 介绍和HBox 布局描述了在您的应用程序的组件的大小和位置.例如,一个电子邮件客户端可能具有固定到左边的消息的列表,以说,可用的宽度的三分 ...
Laravel 5.6 中文文档翻译完成，译者 60 人，耗时 10 天
图片来自 laravel-news.com Laravel 5.6 的文档地址: Laravel 5.6 文档页面总结 Laravel 5.6 文档翻译完成,总共耗时 10 天,参与用户 60 人. ...
python翻译程序-Python桌面应用案例：TXT文档翻译工具（源代码）
搞定了Word文档和PDF文档翻译工具的案例,总觉得还差了一点,仔细想了下,明白了,原来差了一个TXT文本文件翻译工具案例.这个就更简单了--在PDF文档翻译工具基础上加了两个函数,就可以支持TXT文 ...
TiDB 官方设计文档翻译（三）
这个系列共三篇译文: TiDB 官方设计文档翻译(一) TiDB 官方设计文档翻译(二) TiDB 官方设计文档翻译(三) 原文: https://pingcap.github.io/blog ...
TiDB 官方设计文档翻译（二）
这个系列共三篇译文: TiDB 官方设计文档翻译(一) TiDB 官方设计文档翻译(二) TiDB 官方设计文档翻译(三) 原文: https://pingcap.github.io/blog ...
TiDB 官方设计文档翻译（一）
TiDB是新兴的NEWSQL数据库,由国内的PINGCAP团队研发. 有关于TiDB的架构.部署和运维,官方有中文的文档,链接是: https://github.com/pingcap/docs- ...
欢迎参与 KubeVela 官方文档翻译活动
来源 | 阿里巴巴云原生公众号背景 KubeVela v1.0 启用了新的官网架构和文档维护方式,新增功能包括文档版本化控制.i18n 国际化以及自动化流程.但目前 KubeVela 官方文档只有英 ...
Sencha-概念-Events(事件)（官网文档翻译10）
Sencha-概念-Events(事件)(官网文档翻译10) 煎茶Touch 2的组件和类的触发广泛的事件,在其生命周期的不同点.活动让你的代码,它周围的变化作出反应,并在煎茶触摸是一个关键的概念. ...

python_speech_features文档翻译

python_speech_features文档翻译相关推荐

最新文章

热门文章