[深度学习工具]·音频特征提取pyAudioAnalysis工具包
作者:桂。
时间:2017-05-04 18:31:09
链接:http://www.cnblogs.com/xingshansi/p/6806637.html
前言
语音识别等应用离不开音频特征的提取,最近在看音频特征提取的内容,用到一个python下的工具包——pyAudioAnalysis: An Open-Source Python Library for Audio Signal Analysis,该工具包的说明文档可以点击这里下载,对应的github链接点击这里。
这个工具包原说明文档支持的是Linux安装,且不能与python3很好地兼容,注意啦
一、常用工具包简介
目前针对音频信号,C/C++ 、Python、MATLAB等常用的工具包有:
二、pyAudioAnalysis工具包简介
pyAudioAnalysis是一个音频处理工具包,主要功能如图:
其中Feature Extraction包括(顺序有先后):
补充说明一下:
- 1-Zero Crossing Rate:短时平均过零率,即每帧信号内,信号过零点的次数,体现的是频率特性
- 2-Energy:短时能量,即每帧信号的平方和,体现的是信号能量的强弱
- 3-Entropy of Energy:能量熵,跟频谱的谱熵(Spectral Entropy)有点类似,不过它描述的是信号的时域分布情况,体现的是连续性
- 4-Spectral Centroid:频谱中心又称为频谱一阶距,频谱中心的值越小,表明越多的频谱能量集中在低频范围内,如:voice与music相比,通常spectral centroid较低
- 5-Spectral Spread:频谱延展度,又称为频谱二阶中心矩,它描述了信号在频谱中心周围的分布状况
- 6-Spectral Entropy:谱熵,根据熵的特性可以知道,分布越均匀,熵越大,能量熵反应了每一帧信号的均匀程度,如说话人频谱由于共振峰存在显得不均匀,而白噪声的频谱就更加均匀,借此进行VAD便是应用之一
- 7-Spectral Flux:频谱通量,描述的是相邻帧频谱的变化情况
1
2
3
4
5
6
7
8
function [vsf]
=
FeatureSpectralFlux (X, f_s)
%
difference spectrum (
set
first diff to zero)
afDeltaX
=
diff([X(:,
1
), X],
1
,
2
);
%
flux
vsf
=
sqrt(
sum
(afDeltaX.^
2
))
/
size(X,
1
);
end
- 8-Spectral Rolloff:频谱滚降点,给出定义:
- 9~21-MFCCs:就是大名鼎鼎的梅尔倒谱系数,这个网上资料非常多,也是非常重要的音频特征。
- 22~33-Chroma Vector:这个有12个参数,对应就是12级音阶,还是看原文解释:A 12-element representation of the spectral energy where the bins represent the 12 equal-tempered pitch classes of western-type music (semitone spacing).
- 34-Chroma Deviation:这个就是Chroma Vector的标准方差。
这个在音乐声里可能用的比较多,目前没有接触这类特征:
什么是Chroma特征呢?给出一个示意图
code示例:
1 2 3 4 5 6 7 |
|
如果希望了解更多的音频特征,这里给出一个链接,点击这里,包含的特征有:
对应都有graph、sound可以点击,sound是对应的音频,graph对应的是特征的效果图,比如打开zeroCross:
三、pyAudioAnalysis工具包安装
pyAudioAnalysis对应链接点击这里。安装这个工具包需要依赖:
A-hmmlearn安装
hmmlearn的链接点击这里。安装hmmlearn有几个前提:
下载之后,我把hmmlearn-master放在python-3.5.2-0\Lib\目录,cmd窗口下cd进去,输入:
1 |
|
即可安装成功:
B-Simplejson工具包安装:
Simplejson是Python的JSON编码和解码器,它具有简单、快速、完整、正确和易于扩展的特点,对应的链接点击这里。Simplejson工具包直接conda安装即可:
C-eyed3安装:
eyed3:A tool for working with audio files, specifically MP3 files containing ID3 metadata. 它提供了读写 ID3 标签(v1.x 和 v2.3/v2.4)的功能。同时可检测 MP3 文件的头信息,包括比特率、采样频率和播放时间等。eyed3直接conda install没有成功,对应的链接点击这里。选择了这个版本:
放在了python库的Lib文件夹下:C:\Users\Nobleding\Anaconda3\pkgs\python-3.5.2-0\Lib,cd到对应目录下,pip install 文件名.whl,即可完成安装
D-pydub安装:
pydub是音频处理常用的工具包,例如:
打开一个wav格式文件:
1 2 |
|
打开一个mp3格式文件:
1 |
|
或者其他音频、视频格式:
1 2 3 4 5 6 |
|
更多细节信息可以访问其主页。我在github上下载对应的工具包,里边有对应的安装说明。
如果处理wav文件,没有其他要求,如果音频是其他格式它要求电脑安装 ffmpeg orlibav.如果没有安装,运行会有提示:
ffmpeg下载,选择版本
解压并添加环境变量,并利用ffplay测试一下打开一个mp4文件:
ffmpeg安装成功。这个时候import pydub,不再有warning信息
E-pyAudioAnalysis安装
Github给出的是linux下的安装思路,这里下载之后将pyAudioAnalysis放在了\Anaconda3\Lib\site-packages文件夹下,输入指令:
成功调用,原数据是支持Python2的,很多细节要修改,给出一个简单读取wav的测试:
1 2 3 4 5 6 |
|
效果图:
[深度学习工具]·音频特征提取pyAudioAnalysis工具包相关推荐
- 音频特征提取——pyAudioAnalysis工具包
转载:http://www.cnblogs.com/xingshansi/p/6806637.html 前言 语音识别等应用离不开音频特征的提取,最近在看音频特征提取的内容,用到一个python下的工 ...
- Python音频特征提取——pyAudioAnalysis工具包
语音识别等应用离不开音频特征的提取,最近在看音频特征提取的内容,用到一个python下的工具包--pyAudioAnalysis: An Open-Source Python Library for ...
- 学术干货:看清华教授如何将深度学习引入音频信号处理
https://www.toutiao.com/a6687760578368242180/ 人工智能论坛如今浩如烟海,有硬货.有干货的讲座却百里挑一."AI未来说·青年学术论坛"系 ...
- (翻译)60分钟入门深度学习工具-PyTorch
60分钟入门深度学习工具-PyTorch 作者:Soumith Chintala 原文翻译自: https://pytorch.org/tutorials/beginner/deep_learning ...
- 深度学习在音频信号处理领域中的进展(截止至2019年5月)
最近在arXiv上看到一篇关于深度学习在音频信号处理中的进展的文章,感觉写的不错,所以根据自己的理解和大家分享一下.如果有些地方博主理解的不对,或者解释不清,可以在下面评论,博主会一一回复. 论文链接 ...
- 【深度学习】图像特征提取与通道数问题(基于U型网络)
[深度学习]图像特征提取与通道数问题(基于U型网络) 1 医学图像特点 2 卷积核与图像特征提取2.1 卷积2.2 图像处理2.3 边缘检测卷积核2.4 图像锐化卷积核2.5 高斯滤波 3 关于图像三 ...
- 实录分享 | 计算未来轻沙龙:深度学习工具专场(PPT下载)
12 月 2 日(周日)下午,PaperWeekly 携手清华大学计算机系推出了计算未来轻沙龙第六期线下活动--深度学习工具专场.来自亚马逊 AWS.谷歌.英伟达.百度 PaddlePaddle 以及 ...
- 深度学习工具caffe详细安装指南
转载自 深度学习工具caffe详细安装指南 前言: 在一台系统环境较好的linux机器上可以很容易的安装caffe,但是如果系统本身很旧,又没有GPU的话,安装就太麻烦了,所有都得从头做起,本文档旨在 ...
- pytorch深度学习之音频librosa库与torchaudio库的安装与使用(windows和ubuntu)
pytorch深度学习之音频librosa库与torchaudio库的安装与使用 搭建pytorch 基本框架 与 anaconda pytorch虚拟环境创建,去看这里 导入librosa库与tor ...
最新文章
- Turing渲染着色器网格技术分析
- 路由协议有类和无类的区别
- 博达交换机镜像端口配置_“量身定制”的轨道交通工业以太网交换机,RT FORUM2019春季大会智慧解决方案12...
- mysql 改变枚举值_mysql 改变数据类型为枚举不成功?
- JRebel的优势与使用(基于IDEA)
- import lombok 报错_lombok
- 克隆虚拟机后需要修改的注意项
- pusher 创建新应用_使用 Laravel-echo-server 构建实时应用
- positional encoding位置编码详解:绝对位置与相对位置编码对比
- 《Linux命令行与shell脚本编程大全 第3版》高级Shell脚本编程---24
- 北林oj-算法设计与分析-Line up in the canteen(两种解法,附思路)
- 「PPT模板」 商务UI风格
- pcf8563c语言程序,PCF8563驱动程序(C语言版)
- favicon ico什么意思_你真的知道IPFS与Filecoin是什么吗?
- AI 图像识别项目从入门到上线
- 华为数字化转型步骤、方法和目标
- 数据清洗有哪些方法?
- java如何设置控制台打印的字体颜色、背景、字体样式(idea设置打印字体样式)工具类 - 附插件方式
- Opencv 入门篇学习记录(图片)
- 陈皓:什么是工程师文化?
热门文章
- 使用选项卡时嵌套优酷土豆视频同时播放的问题解决
- ZED使用指南(六)Camera Calibration
- ESP32用Arduino硬件IIC读取SHT30温湿度计的数据
- 【汇编】转移指令——offset 标号、jmp无条件转移,段内/段间转移区别、段内近转移/段内短转移、jcxz指令、loop指令
- 上计算机课玩游戏被发现检讨800,上电脑课玩游戏的检讨书模板
- 程序人生 - Python爬虫要违法了吗?告诉大家:守住规则,大胆去爬
- 智能音箱迎来第一劫:智能电视需求暴涨
- 进不了系统不要怕,看懂Linux系统引导分分钟搞定!
- 单电子双缝干涉的猜测:跃迁与反粒子
- OA选型分析:华天动力OA办公系统详解