Python实现语音识别和语音合成！

最新推荐文章于 2024-07-22 03:26:28 发布

Python资深程序员

最新推荐文章于 2024-07-22 03:26:28 发布

阅读量1k

点赞数 4

分类专栏： Python 文章标签： Python

本文链接：https://blog.csdn.net/Pythoncxy/article/details/101073812

版权

本文介绍了使用Python进行语音识别和声音合成的技术。通过傅里叶变换分析音频，利用梅尔频率倒谱系数（MFCC）作为特征进行语音识别，并采用隐马尔科夫模型（HMM）进行模式识别。同时，文章还探讨了语音合成的基本原理，提供了一个从频域数据到时域数据的逆向生成过程来合成声音。

摘要由CSDN通过智能技术生成

目录语音识别 MFCC 隐马尔科夫模型声音合成

声音的本质是震动，震动的本质是位移关于时间的函数，波形文件(.wav)中记录了不同采样时刻的位移。

Python资源共享群：626017123

通过傅里叶变换，可以将时间域的声音函数分解为一系列不同频率的正弦函数的叠加，通过频率谱线的特殊分布，建立音频内容和文本的对应关系，以此作为模型训练的基础。

案例：画出语音信号的波形和频率分布，（freq.wav数据地址）

# -*- encoding:utf-8 -*-
import numpy as np
import numpy.fft as nf
import scipy.io.wavfile as wf
import matplotlib.pyplot as plt
sample_rate, sigs = wf.read('../machine_learning_date/freq.wav')
print(sample_rate)      # 8000采样率
print(sigs.shape)   # (3251,)
sigs = sigs / (2 ** 15) # 归一化
times = np.arange(len(sigs)) / sample_rate
freqs = nf.fftfreq(sigs.size, 1 / sample_rate)
ffts = nf.fft(sigs)
pows = np.abs(ffts)
plt.figure('Audio')
plt.subplot(121)
plt.title('Time Domain')
plt.xlabel('Time', fontsize=12)
plt.ylabel('Signal', fontsize=12)
plt.tick_params(labelsize=10)
plt.grid(linestyle=':')
plt.plot(times, sigs, c='dodgerblue', label='Signal')
plt.legend()
plt.subplot(122)
plt.title('Frequency Domain')
plt.xlabel('Frequency', fontsize=12)
plt.ylabel('Power', fontsize=12)
plt.tick_params(labelsize=10)
plt.grid(linestyle=':')
plt.plot(freqs[freqs >= 0], pows[freqs >= 0], c='orangered', label='Power')
plt.legend()
plt.tight_layout()
plt.show()