0 引言

前段时间，朋友让我帮忙剪十段音频，每段音频为约十分钟的包含男女生对话的录音，要求从中分离出男声的语音，男女声声音重叠部分可丢弃，刚开始本以为工作量没多大，遂打开了音频剪辑软件，剪了一段后发现这个事情还是挺麻烦的，于是决定写个matlab程序来自动分离，然后伴以一定的人工校正，从而大大提高剪辑效率。

1 思路

预处理：将原始音频分割成2s一段的音频文件（时间间隔可调）；

正式处理：

依次读取已分割为2s一段的音频文件，并从以下两个方面考虑：

（1）男女生基音频率的差异，计算该段语音中基音频率；

（2）声音幅值的差异（录音时男生离录音笔更近），计算语音幅值；

从上述两个方面对该音频文件进行识别分类，考虑到会存在一定的误判，故将识别类别设定为三类：男声、女声、需人工识别，并将判定后的语音存入对应类别的文件中，以便后期人工校正。

2 代码

（1）主函数

%================================================
%作者：Uestc-Sl
%创建日期：2021.04.19
%维护日期：2021.04.19
%功能描述：将剪切声音与判断男女声功能相结合，实现剪切、识别、分类存储一系列功能
%调用函数：judge.m
%使用流程：点击运行--->选择原始音频文件--->选择剪切及识别分类后的文件输出目录---->剪切音频
%         ----->读取剪辑的音频并识别---->根据识别结果将该语音存入对应分类文件，以便人工校对---->结束
%输出结果文件夹及目录结构     指定路径----> interval_2_0?-1 ---> 剪切好的音频
%                                                         --->男声
%                                                         --->女声
%                                                         --->需人工识别
%备注：
%其他：可考虑引入神经网络，构建更高维度的向量，提高基于判断幅值和基音频率判断的准确性
%================================================clear;clc;[file1,PathName,FilterIndex] = uigetfile('.wav','Select the M-file');file=strcat(PathName,file1);outfilePath=uigetdir;%======================创建输出结果文件=========================new_folder0 = strcat(outfilePath,'\','interval_2_',file1(1:4)); % 创建一个加前缀的同名文件夹，保存处理后的数据mkdir(new_folder0); new_folder1 = strcat(new_folder0,'\','剪切好的音频'); mkdir(new_folder1);  new_folder2 = strcat(new_folder0,'\','男声'); mkdir(new_folder2);  new_folder3 = strcat(new_folder0,'\','女声'); mkdir(new_folder3);  new_folder4 = strcat(new_folder0,'\','需人工识别'); mkdir(new_folder4); %=============================================================[x,fs]=audioread(file); % 读入声音文件data=x(:,1);            % 取单声道len=length(data);       % 获取序列长度和深度timeInterval=2;         % 提取的时间间隔（s）for i=1:ceil(len/fs)start_time = timeInterval*(i-1);end_time =timeInterval*i;if end_time*fs <=lenY_new=x((fs*start_time+1):fs*end_time,1);OutFileName=strcat(new_folder1,'\',num2str(i),'.wav')audiowrite(OutFileName,Y_new,fs); %将分割好的音频存入指定文件[ansnum]=judge(OutFileName);if ansnum==0 %男声OutFileName2=strcat(new_folder2,'\',num2str(i),'.wav');audiowrite(OutFileName2,Y_new,fs); endif ansnum==1 %女声OutFileName3=strcat(new_folder3,'\',num2str(i),'.wav');audiowrite(OutFileName3,Y_new,fs); endif ansnum==2 %需人工识别OutFileName4=strcat(new_folder4,'\',num2str(i),'.wav');audiowrite(OutFileName4,Y_new,fs); endend
end

（2）子函数judge.m

%返回值 0 男声
%       1 女声
%       2 需人工识别
function [ansnum]=judge(filename)[x1,fs1]=audioread(filename); % 读入声音文件data1=x1(:,1);            %取单声道%======基音频率提取======N=length(data1); [~,index]=max(data1);          % 返回最大值 最大值索引timewin=floor(0.015*fs1);%避免溢出[a,ind] = sort(data1);count=1;while index+timewin>Na(end)=[];count=count+1;[~,index]=max(a); endtemp=index-timewin;if temp<0temp=1;endxwin=data1(temp:index+timewin);[y,~]=xcov(xwin);ylen=length(y);halflen=(ylen+1)/2 +30;yy=y(halflen: ylen);[~,maxindex] = max(yy);fmax=fs1/(maxindex+30);disp([filename,'基音频率为 ', num2str(fmax), ' Hz'])%================考虑幅值信息======mean=0;for i=1:Nif data1(i)>0mean=mean+data1(i);%只计算正值范围内的平均幅值endendmean=mean/N%======通过基音频率、幅值大小判断男女声======if mean>=0.001 && fmax<160disp([filename,' 是男声文件']);ansnum=0;elseif fmax<160 && fmax>100 ;disp([filename,' 需人工识别']);ansnum=2;elsedisp([filename,' 是女声文件']);ansnum=1;end;end;

3 代码运行结果

图3.1 输出结果文件夹

图3.2 判定为“男声”音频文件夹

图3.3 判定为“女声”音频文件夹

图3.4 判定为“需人工识别”音频文件夹

每次处理输入的语音时，首先会创建一个文件夹用于存处理完成后的数据，文件夹命名为“interval_2_”+输入文件名的前四个字符，并在该文件夹下创建四个文件夹：剪切好的音频、男声、女声、需人工识别。随后会自动分割录音音频为2s一段的音频，并存入“剪切好的音频”文件夹，然后对剪切好的语音进行识别并存入对应文件夹。

4 结论

根据本人人工校对后发现，“男声”的查准率近乎100%，查全率约80%（正常情况下），达到了预期的效果。在这些已分类后的语音基础上再进行人工进行校对分类，大大提高了音频剪切效率，故分享给大家，希望能给用得上的朋友带来帮助。

5 参考资料

【1】http://www.voidcn.com/article/p-hsevylyj-nx.html

【2】https://blog.csdn.net/qq_31821675/article/details/79973532?utm_medium=distribute.pc_relevant_download.none-task-blog-baidujs-4.nonecase&depth_1-utm_source=distribute.pc_relevant_download.none-task-blog-baidujs-4.nonecase

【3】https://blog.csdn.net/weixin_29813667/article/details/113902853

【4】https://ww2.mathworks.cn/help/matlab/ref/mkdir.html

语音识别之男女声分类（从一段对话中分离男声）相关推荐

男女声分类研究及应用
背景在很多业务场景下,确定发声人的性别都是很有用的.人类可以很轻松的通过一段语音确定发声者的性别,但是人的成本以及效率是比较低的.此时,假如机器可以完成这项工作的,将极大的解放人力提升效率. 研究过 ...
谷歌再获语音识别新进展：利用序列转导来实现多人语音识别和说话人分类
准确识别「谁·在何时·说了啥」作者 | MrBear 编辑 | Pita 从 WaveNet 到 Tacotron,再到 RNN-T,谷歌一直站在语音人工智能技术的最前沿.近日,他们又将多人语音识 ...
语音识别类产品的分类及应用场景
前言:本文作者@焦糖玛奇朵,是我们"AI产品经理大本营"早期成员,下面是她分享的第1篇文章,欢迎更多有兴趣"主动输出"的朋友们一起加入.共同进步:) 音频由公众 ...
matlab 男女声识别+源码
代码: file='lixiyang.wav' %file='girl1.mp3' [x,fs]=audioread(file); % 读入声音文件,返回样本数据 y 以及该数据的采样率 Fs. %= ...
【声纹识别】matlab-辨别男女声
function man_or_woman(file)[x,fs]=audioread(file); % 读入声音文件 %======时域图像====== 随着时间声音赋值震荡图 data=x(:,1 ...
男声女声分类之SVM
男声女声分类之svm 目录男声女声分类之svm svc 数据模型构建预测 svc 1.支撑向量机SVM是一种非常重要和广泛的机器学习算法,它的算法出发点是尽可能找到最优的决策边界,使得模型的泛化能 ...
机器学习实验二男声女声分类
机器学习实验二男声女声分类一.实验环境 PC机,Python 二.代码 #%%import pandas as pd from sklearn.preprocessing import Stan ...
语音信号处理（1）：男女声在线识别系统（倒谱、基音频率）
语音信号处理是挺有意思的,尤其是在人工智能横行的今天.不过就我看来,现在整个社会上明显对人工智能的作用过于夸大了,大多数写报道和搞炒作宣传的人基本不懂人工智能.尘世若此,其实又何止是在人工智能上 ...
把音频中的某个人声去掉_能不能把一段音频中的人声和背景音乐分开
能不能把一段音频中的人声和背景音乐分开能不能把一段音频中的人声和背景音乐分开 [方法一]1.可以尝试使用音频编辑软件Audacity 2.打开音频文件,在特效菜单有个Vocal Remover工具, ...

语音识别之男女声分类（从一段对话中分离男声）