我碰到了这个不错的教程https://github.com/manashmndl/DeadSimpleSpeechRecognizer,在该教程中,数据是根据由文件夹分隔的样本进行训练的,并且所有mfcc都会被立即计算。
我正在努力实现类似但又不同的目标。
基于此:https://librosa.github.io/librosa/generated/librosa.feature.mfcc.html
librosa可以为任何音频计算mfcc。如下 :
import librosa
y, sr = librosa.load('test.wav')
mymfcc= librosa.feature.mfcc(y=y, sr =sr)
但我想根据文件中的时间戳逐部分计算音频的mfcc。
该文件具有以下标签和时间戳:
0.0 2.0 sound1
2.0 4.0 sound2
4.0 7.0 silence
7.0 11.0 sound1
我想计算每个范围的mfcc,我希望得到看起来像mfcc及其相应标签的带标签的火车数据。
mfcc_1,声音1
mfcc_2,声音2
等等。
我该如何实现?
我看着generate mfcc's for audio segments based on annotated file,问题很相似,但是我发现问题和答案都很难遵循(因为我对这个 Realm 很陌生)。
TIA
更新:我的代码:
import librosa
from subprocess import call
def ListDir():
call(["ls", "-l"])
def main():
ListDir()
readfile_return_segmentsmfcc()
my_segments =[]
# reading annotated file
def readfile_return_segmentsmfcc():
pat ='000.mp3'
y, sr = librosa.load(pat)
print "\n sample rate :"
print sr
with open("000.txt", "rb") as f:
for line in f.readlines():
start_time, end_time, label = line.split('\t')
start_time = float(start_time)
end_time = float(end_time)
label = label.strip()
my_segments.append((start_time, end_time, label))
start_index = librosa.time_to_samples(start_time)
end_index = librosa.time_to_samples(end_time)
required_slice = y[start_index:end_index]
required_mfcc = librosa.feature.mfcc(y=required_slice, sr=sr)
print "Mfcc size is {} ".format(mfcc.shape)
print start,end,label
return my_segments
main()
最佳答案
start=2.0
end=4.0
librosa.time_to_samples
转换为样本索引:start_index = librosa.time_to_samples(start)
end_index = librosa.time_to_samples(end)
[:]
运算符从数据中获取相关 slice :slice = y[int(start_index):int(end_index)]
slice
等上计算mfcc。