语音预处理(一):音频读取
一.音频读取
这是语音识别系列的第一篇博文,主要介绍音频如何读取以及如何转成矩阵形式。
输入:wav文件
例:A2_1.wav
输出:输入的wav文件所对应的数据矩阵wave_data和帧率framerate。
例:[[1507 1374 1218 ... -78 -127 -43]] ,16000
二.代码:
#coding=utf-8
import os
import wave
import numpy as np
import matplotlib.pyplot as plt
import math
import time
from python_speech_features import mfcc
from python_speech_features import delta
from python_speech_features import logfbank
from scipy.fftpack import fft
def read_wav_data(filename):
"""
:param filename:输入音频的绝对路径(路径+文件名)例:D:\\GitHub\\wav\\dae\\train\\A2_1.wav
:return:wave_data,framerate:输出音频矩阵,帧率。例:A2_1 [[1507 1374 1218 ... -78 -127 -43]]
读取wav文件,返回声音信号的时域谱矩阵和播放时间
"""
wav = wave.open(filename,"rb") #打开wav格式的声音文件filename
audioname = filename.split('\\')[-1] #音频名
num_frame = wav.getnframes() #获取帧数
print("{}帧数为:{}".format(audioname,num_frame))
num_channel = wav.getnchannels() #获取声道数
print("{}声道数为:{}".format(audioname,num_channel))
framerate = wav.getframerate() # 获取帧率
print("{}帧率为:{}".format(audioname,framerate))
num_sample_width = wav.getsampwidth() #获取每一帧的比特宽度
print("{}比特宽度为:{}".format(audioname,num_sample_width))
str_data = wav.readframes(num_frame) # 读取全部的帧(二进制字符串)
wav.close() # 关闭流
wave_data = np.fromstring(str_data,dtype=np.short) # 将声音文件数据从字符串格式转换为数组矩阵形式
print("{} shape: {}".format("wave_data",wave_data.shape))
print("{} type: {}".format("wave_data",wave_data.dtype))
print("{}: {}".format("wave_data",wave_data))
wave_data.shape = -1, num_channel #按照声道数将数组整形,单声道是一列,双声道是两列矩阵
print("{} shape(整形后): {}".format("wave_data",wave_data.shape))
print("{}(整形后): {}".format("wave_data",wave_data))
wave_data = wave_data.T # 将wave_data矩阵转置
print("{} shape(转置后):{}".format("wave_data",wave_data.shape))
print("{}(转置后):{}".format("wave_data",wave_data))
return wave_data, framerate
if(__name__=='__main__'):
wave_data, fs = read_wav_data("D:\\GitHub\\wav\\dae\\train\\A2_1.wav")
三.程序输出:
A2_1.wav帧数为:163000
A2_1.wav声道数为:1
A2_1.wav帧率为:16000
A2_1.wav比特宽度为:2
wave_data shape: (163000,)
wave_data type: int16
wave_data: [1507 1374 1218 ... -78 -127 -43]
wave_data shape(整形后): (163000, 1)
wave_data(整形后): [[1507]
[1374]
[1218]
...
[ -78]
[-127]
[ -43]]
wave_data shape(转置后):(1, 163000)
wave_data(转置后):[[1507 1374 1218 ... -78 -127 -43]]
posted on 2018-09-04 11:16 J_Xiong0117 阅读(906) 评论(0) 编辑 收藏 举报