Python——语音处理基础

Python——语音处理基础

目标：

• Python对音频文件的IO处理；
• 语音中关于音量和音响的一些计算；

一、概述

声音物理意义：声音是一种纵波，纵波是质点的振动方向与传播方向同轴的波。如敲锣时，锣的振动方向与波的传播方向就是一致的，所以声波是纵波。纵波是波动的一种（波动分为横波和纵波）；

通常对声音进行采样量化后，得到声音的"时间—振幅"信息；

下图是用Adobe Audition打开一段音频数据：

说明：图中上半部分为波形图，下半部分为频谱图；

频谱通过对波形的傅里叶变换，把波形中的每个频率拆开来，再在纵轴上展开，越往上频率越高。频谱是三维的，越亮表示在这个频率上越响，越暗表示越弱；

所以频谱相对于波形图是包含更多信息的，缺点就是无法整体显示音量总和的大小，所以配合查看最佳；

二、Python处理音频

用到Python处理wav文件的包wave，遍历wav信息：

import wave as we
WAVE = we.open('audio.wav')
for item in enumerate(WAVE.getparams()):
    print(item)

对于wave.getparams()的描述：

输出信息（声道，采样宽度，帧速率，帧数，唯一标识，无损）

上图打印信息如下：

表示采样点个数为27774，采样的频率为44100HZ；

三、绘制wav文件波形图

主要通过三个步骤实现：

导入WAV文件——设置参数——matplotlib绘制波形图

import wave as we
import matplotlib.pyplot as plt
import numpy as np
from scipy.io import wavfile

WAVE = we.open('audio.wav')
a = WAVE.getparams().nframes    # 帧总数
f = WAVE.getparams().framerate  # 采样频率
sample_time = 1/f               # 采样点的时间间隔
time = a/f                      # 声音信号的长度
sample_frequency, audio_sequence = wavfile.read('audio.wav')
print(audio_sequence)           # 声音信号每一帧的大小
x_seq = np.arange(0, time, sample_time)

plt.plot(x_seq, audio_sequence, 'red')
plt.xlabel("time(s)")
plt.show()

四、WAV文件存储格式：

通过绘制波形图，可以了解以下信息：

1、Python中wave包可以获取wav文件的几个基础信息，比如文件的声道、声音的采样宽度、帧速率、帧数、是否唯一标识、是否无损，这也是音频数据的基本信息；

2、WAV的文件时间，可以通过帧总数除以采样频率获得；

3、WAV文件将声音信号存储为一个n * 1或者n * 2的矩阵点，区分单声道和多声道；

参考文章：https://www.cnblogs.com/rynerlute/p/8487233.html