- 任务描述
将10s、44.1kHZ的wav音频文件处理成5个2s、8000Hz的音频片段，其中每个2s的音频片段都包含2(s)*2(channel)*8,000个采样点，即32,000个采样点，前16,000个为左声道采样点，后16,000个为右声道采样点（对于单通道数据，直接复制16,000个采样点追加在后面），再存储到csv文件中。
即将10s、44.1kHZ的wav音频文件输出为（5，8000）的特征向量。 - 涉及模块
os、shutil、random、numpy、pydub、pandas - 具体实现
3.1 将目标音频以目标采样率切割成N段，并保存到wav中
def wav_split_sub_process(path,new_path,filename,split_to_N = 5,frame_rate = 22050):
'''
将目标path（绝对路径）音频文件，分割成 split_to_N 段 ，且该音频必须为 7.99s到11.5s内的音频，否则不会操作。
该方法会返回一个 numpy数组，形状为 （5，frame_rate*2*2），其中第一行表示第一段音频信号，frame_rate代表每秒具有的采样点个数，2s、2通道。
不足10s或者超出10s会自动重采样采样点个数，以满足 10*frame_rate*2 的采样点个数。10s、2通道
:param path: 目标切割文件路径
:param new_path: 切割完成后音频存储目录
:param filename: 切割完成后音频文件名的前缀 n->{1,2,3,4,5}
:param split_to_N: 切割成几段
:param frame_rate: 输出音频的目标采样率
:return:
'''
# 获取AudioSegment对象
sound = AudioSegment.from_file(path,channels=1,sample_width=2)
# 重置成目标采样率
sound = sound.set_frame_rate(frame_rate)
# 取得音频的声道数
channel_count = sound.channels
# 获取音频数据
sound_np_array = np.array(sound.get_array_of_samples()).reshape(-1)
time = len(sound)
# 若时间不在这个区间内，分割后质量不高
if time/1000 > 11.5 or time /1000 <7.99 :
print('filter one wav with time ---------- ',filename)
return None
if channel_count == 1: # 单通道数据处理
frame_count = sound.frame_count()
time = len(sound)
sound_np_array = None
if frame_count != frame_rate*10.0 :
sound = sound.set_frame_rate(int(frame_rate*10/time*1000))
frame_count = sound.frame_count()
sound_np_array = np.array(sound.get_array_of_samples()).reshape(-1)
if frame_count > frame_rate*10.0 :
sound_np_array = sound_np_array[:frame_rate*10]
elif frame_count < frame_rate*10.0:
sound_np_array = np.pad(sound_np_array,(0,int(frame_rate*10 - sound.frame_count())),'constant',constant_values=(0,0))
else:
sound_np_array = np.array(sound.get_array_of_samples(),dtype=np.int16).reshape(-1)
temp_sound_np_array = np.array(np.split(sound_np_array, split_to_N,axis=-1),dtype=np.int16) # 按最后一个维度切分
sound_np_array = []
for item in range(len(temp_sound_np_array)):
sound_np_array.append([])
sound_np_array[item] = np.hstack((temp_sound_np_array[item],temp_sound_np_array[item]))
sound_np_array = np.array(sound_np_array)
elif channel_count == 2:
frame_count = sound.frame_count()
time = len(sound)
sound_np_array = None
if frame_count != frame_rate*10.0 :
sound = sound.set_frame_rate(int(frame_rate*10/time*1000))
# frame_count = sound.frame_count()
sound_np_array = np.array(sound.get_array_of_samples(),dtype=np.int16).reshape(-1)
if len(sound_np_array) > frame_rate*10.0*2.0 :
sound_np_array = sound_np_array[:frame_rate*10*2]
elif len(sound_np_array) < frame_rate*10.0*2.0:
sound_np_array = np.pad(sound_np_array,(0,int(frame_rate*10*2 - len(sound_np_array))),'constant',constant_values=(0,0))
else:
sound_np_array = np.array(sound.get_array_of_samples(),dtype=np.int16).reshape(-1)
left,right = sound_np_array[:frame_rate*2],sound_np_array[frame_rate*2:]
lefts = np.split(left, split_to_N,axis=-1)
rights = np.split(right, split_to_N,axis=-1)
sound_np_array = np.append(lefts,rights,axis=-1)
# 保存音频数据到wav文件
for j in range(split_to_N):
sound._spawn(sound_np_array[j]).export(os.path.join(new_path,filename+'-'+str(j+1)+'.wav'),format='wav')
return sound_np_array # (5, 88200)
3.2 将音频数据保存到 csv 中，待续·······