简介
不同的录音设备对音频有不同的采样率。使用深度学习对音频信号进行处理,为了保证深度学习模型学习的效率,普遍采用较低的音频采样率,这时就需要对录制好的音频进行重采样,以适应深度学习的输入。本文选择python语言中的音频处理工具librosa对音频进行重采样,可参考官方文档 librosa.resample
开发环境
python == 3.7.0
librosa == 0.8.1
soundfile == 0.10.3
代码
import os
import librosa
import tqdm
import soundfile as sf
if __name__ == '__main__':
# 要查找的音频类型
audioExt = 'WAV'
# 待处理音频的采样率
input_sample = 44100
# 重采样的音频采样率
output_sample = 16000
# 待处理音频的多个文件夹
audioDirectory = ['/data/orgin/train', '/data/orgin/test']
# 重采样输出的多个文件夹
outputDirectory = ['/data/traindataset', '/data/testdataset']
# for 循环用于遍历所有待处理音频的文件夹
for i, dire in enumerate(audioDirectory):
# 寻找"directory"文件夹中,格式为“ext”的音频文件,返回值为绝对路径的列表类型
clean_speech_paths = librosa.util.find_files(
directory=dire,
ext=audioExt,
recurse=True, # 如果选择True,则对输入文件夹的子文件夹也进行搜索,否则只搜索输入文件夹
)
# for 循环用于遍历搜索到的所有音频文件
for file in tqdm.tqdm(clean_speech_paths, desc='No.{} dataset resampling'.format(i)):
# 获取音频文件的文件名,用作输出文件名使用
fileName = os.path.basename(file)
# 使用librosa读取待处理音频
y, sr = librosa.load(file, sr=input_sample)
# 对待处理音频进行重采样
y_16k = librosa.resample(y, orig_sr=sr, target_sr=output_sample)
# 构建输出文件路径
outputFileName = os.path.join(outputDirectory[i], fileName)
# 将重采样音频写回硬盘,注意输出文件路径
sf.write(outputFileName, y_16k, output_sample)
由于作者水平有限,文中错误之处在所难免,恳请大佬不吝赐教!