python完成wav语音文件分割(1)

    长度不同的音频文件不容易建模分析，需要将语音裁剪成长度相同的长度，保证数据集的统一。在前期的探索下，笔者准备将收集的小部分数据做个探索，完成wav语音文件分割，为后面大量数据做准备。

    语音分割总体思路就是将语音文件读取后根据语音data的大小来分割。笔者先测试一个scipy.io 的wavfile方法。

1、wavfile.read(filename)读取wav文件；

2、根据split_at_frame=rate * split_at_timestamp定义分割的大小；

3、根据split_at_frame来对数据进行切片；

4、wavfile.write将切片后的数据写入wav文件。

    jupyter notebook结果如下：

        再次使用librosa.get_duration读取两个分割后的文件，第一个为4秒，第二个为1.89秒，因为wav文件总长度导致最后一个分割的文件大概率都会不满住切分的要求。如果一段语音是5秒，那么丢弃最后一秒没关系，如果语音长度7秒，丢弃最后三秒就显得有些可惜。在机器学习，特别是深度学习时，数据越多越好。于是就可以在切换语音上做文章，取两段的语音，都满足4秒时长。

    left_data, right_data = data[:split_at_frame], data[-split_at_frame:]

    但是对于语音wav总时长需要有个要求，就是（wavtime % 4 ）需要定义一个最小值，比如超过3才能对最后一个分段这样操作。那么分割wav文件写成函数，方面以后复用，测试效果正常。

        接下来笔者在以后需要使用来提取特征，那么把库从scipy.io切换到librosa，编写了几个函数来完成语音分割。

    1、remove_silence函数删除开始和结尾的静音段；

2、wavfile_split函数选择大于split_at_timestamp的语音，并对有效的语音进行分段。

3、主函数找到目录下的wav文件，完成全部文件分割。

    查看结果符合要求。

    那么下一步就是完成不丢弃语音文件，准备对稍微小于3秒的语音进添零操作，满足3秒的要求。第二就是把以提取特征的函数复用过来。那么语音文件特征的提取工作就基本完成了。