AI语音数据集处理+标注（自动降噪切片标注）

首先要知道，我们需要得到一份带有标注的、同一个人的语音切片数据。
有问题可以加讨论群869029039

第一步，在网上寻找你需要的音频数据

这里以甜药的B站教学视频为例，因为音质好，杂音少，训练起来非常好
https://space.bilibili.com/106017013
找到【甜药教学】的视频，复制网址。用DownKyi下载音频

https://github.com/leiurayer/downkyi
GitHub有下载链接和教程

选中解析并下载
因为我们需要转化成wav格式进行处理，所以推荐一个格式转换的东西，非常简单好用
https://github.com/Tichau/FileConverter
下载安装好之后直接右键下载的视频，转化就可以了

循环几遍，你就能得到一个人几十甚至上百分钟的音频数据了
新建文件夹

import os

# 文件夹和文件的路径
base_dir = "./"
directories = ["input_dir", "output_dir", "denoised_dir"]

# 创建文件夹
for directory in directories:
    dir_path = os.path.join(base_dir, directory)
    if not os.path.exists(dir_path):
        os.makedirs(dir_path)
        print(f"文件夹 '{dir_path}' 已创建。")
    else:
        print(f"文件夹 '{dir_path}' 已存在。")
        

文件结构如下

./
├── input_dir/
├── output_dir/
└── denoised_dir/

我们把这些文件放在input_dir文件夹里，准备下一步

第二步，降噪

装环境

pip install -U modelscope

用达摩院的降噪模型，我听了之后感觉效果还不错，在这段视频里把背景的枪声，角色音效等消除得挺干净的。
代码如下，替换一下

import os
from modelscope.pipelines import pipeline
from modelscope.utils.constant import Tasks

# 初始化降噪模型
ans_pipeline = pipeline(
    Tasks.acoustic_noise_suppression,
    model='damo/speech_frcrn_ans_cirm_16k'
)

# 设置原始音频文件夹和输出文件夹的路径
input_folder = "./input