音頻預處理

這一講主要介紹些音頻基本處理方式，為接下來的語音識別打基礎。

三種播放音頻的方式

使用 python 播放音頻有以下幾種方式：

os.system()

os.system(file) 調用系統應用來打開文件，file 可為圖片或者音頻文件。

缺點：要打開具體的應用，不能在后臺播放音頻。

pyaudio

安裝：pip install pyaudio

官方提供了播放音頻與錄音的 api ，使用十分方便，只要把Filename更改為你的音頻文件的文字，就可以播放音頻了。

"""PyAudio Example: Play a WAVE file."""import pyaudioimport waveCHUNK = 1024FILENAME = '你的音頻文件'def play(filename = FILENAME): wf = wave.open(filename, 'rb') p = pyaudio.PyAudio() stream = p.open(format=p.get_format_from_width(wf.getsampwidth()),   channels=wf.getnchannels(),   rate=wf.getframerate(),   output=True) data = wf.readframes(CHUNK) while data != b'': stream.write(data) data = wf.readframes(CHUNK) stream.stop_stream() stream.close() p.terminate()

jupyter notebook

在 jupyer notebook 中播放音頻可以使用以下函數：

import IPython.display as ipdipd.Audio(文件名)

幾種讀取音頻的方式

python 有很多讀取音頻文件的方法，內置的庫 wave ，科學計算庫 scipy, 和方便易用的語音處理庫 librosa。
下面將介紹分別使用這幾種庫讀取音頻文件：

安裝：

使用：

wave.open:

參數 path 為文件名，mode 為打開方式

以'rb'方式打開文件返回一個 Wave_read 對象，而以'wb'方式打開文件返回一個 Wave_write 對象。

scipy.io.wavfile:

參數 path 為文件名

返回 rate : 采樣率（每秒采樣點的個數），data : 音頻數據

librosa.load:

參數 path 為文件名

返回 y 為音頻數據，sr 為采樣率

# read wav file from pathfrom scipy.io import wavfileimport librosaimport pyaudio# wavefile = wave.open(path,'rb')# wavfilerate, data = wavfile.read(path)# librosay, sr = librosa.load(path)

下面演示一個使用 wavfile 讀取音頻文件并且畫出波形的例子：

首先要計算音頻到底持續了多長時間，wave 的 shape 就是總的采樣點個數，除以采樣頻率可以得到持續的總時間（秒），乘1000得到總持續時間（毫秒）。接著通過 np.linsapce 產生時間的序列，最后使用 matplotlib 畫出圖像。

from scipy.io import wavfileimport matplotlib.pyplot as pltimport numpy as np%matplotlib inline# 一秒采樣數sr, wave = wavfile.read('D://QQPCMgr/Desktop/python3/skip.wav')sample_number = wave.shape[0]total_time = int(sample_number / sr * 1000)time_series = np.linspace(0,total_time,sample_number)fig, ax = plt.subplots(1, 1)ax.plot(time_series, wave)ax.set_title('Time*Amplitude')ax.set_xlabel('Time/ms')ax.set_ylabel('Amplitude/dB')