中文语音情感识别python实现（一）

特别提一下安装hmmlearn库不能直接pip install hmmlearn

安装过程如下：

1. 进入 https://www.lfd.uci.edu/~gohlke/pythonlibs/ ，找到hmmlearn***.whl类型的文件下载（要和自己的python版本相对应）如果你用的是anaconda可以在命令窗口输入conda -activate 进入你的anaconda环境，再输入python -V查看和anaconda对应的版本。如图所示安装自己对应的版本

2 然后将下载的文件放在C:\Anaconda3\pkgs\python-3.6.4-h6538335_1\Lib目录（此路径为自己当时安装anaconda的路径，如果找不到可以下载一个everything输入anaconda查找自己当时的安装路径，everything的链接就不附上了），并在此目录下进行安装。然后在命令窗口输入cd +自己anaconda的路径切换到该路径，在该路径下输入

pip install hmmlearn-0.2.1-cp36-cp36m-win_amd64.whl

进行安装，名字需要改成自己下载的文件的名字。至此，安装成功。

import os
import numpy as np
import scipy.io.wavfile as wf
import python_speech_features as sf
import hmmlearn.hmm as hl
def search_file(directory):""":param directory: 训练音频的路径:return: 字典{'apple':[url, url, url ... ], 'banana':[...]}"""# 使传过来的directory匹配当前操作系统directory = os.path.normpath(directory)objects = {}# curdir：当前目录# subdirs: 当前目录下的所有子目录# files: 当前目录下的所有文件名for curdir, subdirs, files in os.walk(directory):for file in files:if file.endswith('.wav'):label = curdir.split(os.path.sep)[-1]   # os.path.sep为路径分隔符if label not in objects:objects[label] = []# 把路径添加到label对应的列表中path = os.path.join(curdir, file)objects[label].append(path)return objects
train_samples = search_file('G:/Google download/CASIA database/liuchanhg')
#print(train_samples)
train_x, train_y = [], []
# 遍历字典
for label, filenames in train_samples.items():# [('apple', ['url1,,url2...'])# [("banana"),("url1,url2,url3...")]...mfccs = np.array([])for filename in filenames:sample_rate, sigs = wf.read(filename)mfcc = sf.mfcc(sigs, sample_rate)if len(mfccs) == 0:mfccs = mfccelse:mfccs = np.append(mfccs, mfcc, axis=0)train_x.append(mfccs)train_y.append(label)models = {}
for mfccs, label in zip(train_x, train_y):model = hl.GaussianHMM(n_components=4, covariance_type='diag', n_iter=1000)models[label] = model.fit(mfccs)  # # {'apple':object, 'banana':object ...}# 读取测试集数据
test_samples = search_file('G:/Google download/CASIA database/wangzhe')
test_x, test_y = [], []
for label, filenames in test_samples.items():mfccs = np.array([])for filename in filenames:sample_rate, sigs = wf.read(filename)mfcc = sf.mfcc(sigs, sample_rate)if len(mfccs) == 0:mfccs = mfccelse:mfccs = np.append(mfccs, mfcc, axis=0)test_x.append(mfccs)test_y.append(label)pred_test_y = []
for mfccs in test_x:# 判断mfccs与哪一个HMM模型更加匹配best_score, best_label = None, None# 遍历7个模型for label, model in models.items():score = model.score(mfccs)if (best_score is None) or (best_score < score):best_score = scorebest_label = labelpred_test_y.append(best_label)print(test_y)
print(pred_test_y)

识别率很低只有50%左右，只适合入门

参考资源：

https://www.cnblogs.com/LXP-Never/p/11415110.html#声音合成

https://blog.csdn.net/qq_33598125/article/details/85124778

中文语音情感识别python实现（一）相关推荐

使用librosa进行语音情感识别
语音情感识别,最好的例子可以在呼叫中心看到.如果您注意到了,呼叫中心的员工永远不会以相同的方式交谈,他们与客户的推销/交谈方式会随客户而改变.现在,普通民众也确实会发生这种情况,但这与呼叫中心有何关系 ...
一些关于语音识别和语音情感识别的资源
这些资源要么就收费很贵,要么用不了,嗯-,但是也花了很长时间收集,先留着吧... 基于SVM的语音情感识别(MATLAB GUI界面和文档)点这里! PythonNLP情感识别项目实战教程(源码+数据 ...
基于CNN+MFCC的语音情感识别
个人博客:http://www.chenjianqu.com/ 原文链接:http://www.chenjianqu.com/show-45.html 近年来 ,随着信息技术的飞速发展 ,智能设备正在 ...
SER 语音情感识别-论文笔记5
SER 语音情感识别-论文笔记5 <MULTI-HEAD ATTENTION FOR SPEECH EMOTION RECOGNITION WITH AUXILIARY LEARNING OF ...
基于Attention机制的BiLSTM语音情感识别研究与系统实现
1.摘要以往的情感分类大多是基于粗粒度进行的,针对七分类情感语料进行的研究不多,且最终的情感分类结果只包含一种情感,很少对多情感共存现象进行研究,因此不能完全体现用户情感的丰富性. 针对这些不足,本 ...
语音情感识别（Speech Emotion Recognition）相关资料
150 万条语音的情感分析 - 云+社区 - 腾讯云深度学习论文笔记 - 一夜星辰 - 博客园语音情感 - 博客园语音情感 - GitHub 语音情感 - Gitee 语音情感识别 · GitH ...
计算机网络信息中心韩文静,语音情感识别研究进展综述_韩文静
软件学报ISSN 1000-9825, CODEN RUXUEW E-mail: jos@http://www.wendangwang.com Journal of Software,2014,25( ...
语音情感识别----语音特征集之eGeMAPS，ComParE，09IS，BoAW
一:LLDs特征和HSFs特征 (1)首先区分一下frame和utterance,frame就是一帧语音.utterance是一段语音,是比帧高一级的语音单位,通常指一句话,一个语音样本.uttera ...
语音情感识别--RNN
1. 背景与简介 1.1. 现状计算机只能识别"说了什么",无法识别"谁说的"."怎样说". 1.2. 目标关注"怎样说&qu ...

中文语音情感识别python实现（一）

中文语音情感识别python实现（一）相关推荐

最新文章

热门文章