美文网首页Python之佳
Python 音频数据扩充的技巧

Python 音频数据扩充的技巧

作者: 派派森森 | 来源:发表于2019-01-21 10:55 被阅读0次

    经典的深度学习网络AlexNet使用数据扩充(Data Augmentation)的方式扩大数据集,取得较好的分类效果。在深度学习的图像领域中,通过平移、 翻转、加噪等方法进行数据扩充。但是,在音频(Audio)领域中,如何进行数据扩充呢?

    欢迎加入我的QQ群`923414804`与我一起学习,群里有我学习过程中整理的大量学习资料。加群即可免费获取

    Audio

    音频的数据扩充主要有以下四种方式:

    音频剪裁(Clip)

    音频旋转(Roll)

    音频调音(Tune)

    音频加噪(Noise)

    音频处理基于librosa音频库;矩阵操作基于scipy和numpy科学计算库。

    以下是Python的实现方式:

    音频剪裁

    import librosa

    from scipy.io import wavfile

    y, sr = librosa.load("../data/love_illusion.mp3")  # 读取音频

    print y.shape, sr

    wavfile.write("../data/love_illusion_20s.mp3", sr, y[20 * sr:40 * sr])  # 写入音频

    音频旋转

    import librosa

    import numpy as np

    from scipy.io import wavfile

    y, sr = librosa.load("../data/raw/love_illusion_20s.mp3")  # 读取音频

    y = np.roll(y, sr*10)

    print y.shape, sr

    wavfile.write("../data/raw/xxx_roll.mp3", sr, y)  # 写入音频

    音频调音

    import cv2

    import librosa

    from scipy.io import wavfile

    y, sr = librosa.load("../data/raw/love_illusion_20s.mp3")  # 读取音频

    ly = len(y)

    y_tune = cv2.resize(y, (1, int(len(y) * 1.2))).squeeze()

    lc = len(y_tune) - ly

    y_tune = y_tune[int(lc / 2):int(lc / 2) + ly]

    print y.shape, sr

    wavfile.write("../data/raw/xxx_tune.mp3", sr, y)  # 写入音频

    音频加噪,注意:在添加随机噪声时,保留0值,否则刺耳难忍!

    import librosa

    from scipy.io import wavfile

    import numpy as np

    y, sr = librosa.load("../data/raw/love_illusion_20s.mp3")  # 读取音频

    wn = np.random.randn(len(y))

    y = np.where(y != 0.0, y + 0.02 * wn, 0.0)  # 噪声不要添加到0上!

    print y.shape, sr

    wavfile.write("../data/raw/love_illusion_20s_w.mp3", sr, y)  # 写入音频

    OK, that's all! Enjoy it!

    相关文章

      网友评论

        本文标题:Python 音频数据扩充的技巧

        本文链接:https://www.haomeiwen.com/subject/jhgqjqtx.html