Existem muitos sinais sonoros na vida real. Na sociedade atual da explosão da informação, é muito importante extrair sinais sonoros úteis. Quando coletamos um pedaço de sinal sonoro, às vezes é necessário separar cada frase desse som para análise para extrair as informações sonoras de que precisamos. Esta é uma maneira de cortar efetivamente uma grande parte do som.
Corte o som em segmentos de acordo com a lacuna da voz
Primeiro, precisamos importar o pacote de biblioteca de recursos necessário.
Importar biblioteca de recursos
Baixar arquivo de som: pip install soundfile
nova tentativa de download:pip install retry
Leia os arquivos de áudio para observar a forma de onda do som
import matplotlib.pyplot as plt
import soundfile as sf
musicFileName = '8_Channel_ID.wav'
sig, sample_rate = sf.read(musicFileName)
print("采样率:%d" % sample_rate)
print("时长:", sig.shape[0]/sample_rate, '秒')
# 声音有两个通道
serviceData = sig.T[0]
clientData = sig.T[1]
plt.rcParams['figure.figsize'] = (20, 5) # 设置figure_size尺寸
plt.figure()
l=sig.shape[0]
x = [i/8000 for i in range(l)]
plt.plot(x, serviceData, c='b')
plt.show()
Informações de som obtidas:
a forma de onda do som:
Definição de três parâmetros
Na verdade, depois de ler o arquivo de som, ele se torna um vetor. Na verdade, é o processamento do vetor. Pode-se ver que a forma de onda do som flutua e há um certo intervalo entre cada frase, e ainda há um certo ruído no intervalo do som . Para concluir o corte, três parâmetros são definidos:
voiceMinValue
: Volume mínimo, menos do que este valor é julgado como ruídovoiceMaxDistanceSecond
: Aumenta o intervalo de tempo entre duas frases, se for maior que este valor é considerado como duas frases, caso contrário é considerado como uma frasevoiceMinSecond
: O tempo mínimo de duração de um único áudio, menor do que este valor é considerado ruído
Valor inicial da aula
Os três parâmetros acima, mais o nome do arquivo de áudio e o caminho de saída do arquivo, constituem o valor inicial da classe
class Voicesplit(object):
def __init__(self, musicFileName, outFilePath):
# 音频文件名称
self.musicFileName = musicFileName
# 文件输出路径
self.outFilePath = outFilePath
# 最小音量
self.voiceMinValue = 0.01
# 两句话之间最大时间间隔(秒)
self.voiceMaxDistanceSecond = 0.1
# 单个音频最小时间长度(秒)
self.voiceMinSecond = 0.1
Use estes três parâmetros principais para corte de som
# 分割声音,分段保存
def splitVoiceAndSave(self):
sig, self.sample_rate = sf.read(self.musicFileName)
print('正在读取文件:%s' % musicFileName)
print("采样率:%d" % self.sample_rate)
print("时长:%s" % (sig.shape[0] / self.sample_rate), '秒')
# 我的音频文件有两个通道,这里读取第一个通道,你需要根据你的音频文件是否是双通道,进行修改
inputData = sig.T[0]
dd = {
}
for k, v in tqdm(enumerate(inputData)):
if abs(v) < self.voiceMinValue:
dd[k] = 0
else:
dd[k] = v
x = [i / self.sample_rate for i in range(len(inputData))]
y = list(dd.values())
# 删除空白部分
for key in list(dd):
if dd[key] == 0:
dd.pop(key)
# 判断声音间隔
voiceSignalTime = list(dd.keys())
list1 = []
list2 = []
for k, v in enumerate(voiceSignalTime[:-2]):
list2.append(v)
if voiceSignalTime[k + 1] - v > self.voiceMaxDistanceSecond * self.sample_rate:
list1.append(list2)
list2 = []
if len(list1) == 0:
list1.append(list2)
if len(list1) > 0 and (
voiceSignalTime[-1] - voiceSignalTime[-2]) < self.voiceMaxDistanceSecond * self.sample_rate:
list1[-1].append(voiceSignalTime[-2])
voiceTimeList = [x for x in list1 if len(x) > self.voiceMinSecond * self.sample_rate]
print('分解出声音片段:', len(voiceTimeList))
for voiceTime in voiceTimeList:
voiceTime1 = int(max(0, voiceTime[0] - 0.8 * self.sample_rate))
voiceTime2 = int(min(sig.shape[0], voiceTime[-1] + 0.8 * self.sample_rate))
self.wavWriteByTime(musicFileName=self.musicFileName, outData=inputData, voiceTime1=voiceTime1, voiceTime2=voiceTime2)
Salve o clipe de som cortado
# wav文件写入,分时间间隔
def wavWriteByTime(self, musicFileName, outData, voiceTime1, voiceTime2):
outData = outData[voiceTime1:voiceTime2]
fileAbsoluteName = os.path.splitext(os.path.split(musicFileName)[-1])[0]
fileSavePath = os.path.join(self.outFilePath, fileAbsoluteName)
if not os.path.exists(fileSavePath):
os.makedirs(fileSavePath)
outfile = os.path.join(fileSavePath,os.path.splitext(os.path.split(musicFileName)[-1])[0] + '_%d_%d_%s_split.wav' % (voiceTime1, voiceTime2, self.sample_rate))
# 判断文件是否存在
if not os.path.exists(outfile):
print('正在生成文件:', outfile)
with wave.open(outfile, 'wb') as outwave: # 定义存储路径以及文件名
nchannels = 1
sampwidth = 2
fs = 8000
data_size = len(outData)
framerate = int(fs)
nframes = data_size
comptype = "NONE"
compname = "not compressed"
outwave.setparams((nchannels, sampwidth, framerate, nframes, comptype, compname))
for v in outData:
outwave.writeframes(struct.pack('h', int(v * 64000 / 2)))
Resultado de segmentação de som
O segmento final de som do meu arquivo de som é 1. O arquivo de som específico pode ser obtido de acordo com suas próprias informações.