Python实现女声降频（男女声转换）

之所以加了括号是因为效果还不是太好

主要使用了滑窗、汉明窗、scipy库的fft/ifft，通过频域整体缩小的方式来降频

代码的解释都在注释中

import numpy as np
from matplotlib import pyplot as plt
from scipy.fftpack import fft, ifft
from scipy.io import wavfile

wavFile = "女声降频前.wav"  # 这段音频是从一段完整对话截下来的一句开头的“你好”
Fs, Data = wavfile.read(wavFile)

try:
    Data = Data[:, 0]  # 若为双声道音频则需取其中一个声道
except IndexError:
    pass

win_size = int(Fs * (25 / 1000))  # 以25ms作为窗口大小进行分窗
step_size = win_size // 4  # 设置步长为窗口大小的四分之一

win_ham = np.hamming(win_size)  # 汉明窗，用于缓解加窗造成的信号畸变

lens = Data.shape[0]  # 音频长度

conv_len = 10  # 频率偏移量
temp_data = [0] * win_size  # 存放每窗进行傅里叶变换后处理的音频
ifft_data = [0] * len(Data)  # 存放逆傅里叶变换后的音频，即结果音频

i = 0
while i + win_size <= lens:
    win = Data[i:i + win_size]
    win = win * win_ham
    FFT = fft(win)

    # 通过整段平移频谱的方式来降低音频频率，效果欠佳
    # FFT[0:int(Win_size / 2) - conv_len] = FFT[conv_len:int(Win_size / 2)]
    # FFT[int(Win_size / 2) - conv_len:int(Win_size / 2)] = 0
    # FFT[int(Win_size / 2) + conv_len:] = FFT[int(Win_size / 2):-conv_len]
    # FFT[int(Win_size / 2):int(Win_size / 2) + conv_len] = 0

    # 通过整段缩小的方式来降低音频频率，效果相对较好
    for k in range(win_size // 3):
        temp_data[k] = FFT[int(k * 3 / 2)]
    temp_data[win_size // 2:] = temp_data[0:win_size // 2]
    ifft_data[i:i + win_size] += ifft(temp_data)

    i = i + step_size

# 处理前的频率
plt.figure(figsize=(10, 6), dpi=150)
plt.plot(np.linspace(0, 400 * Fs / len(Data), 400), fft(Data)[0:400], color='b')

# 处理后的频率
plt.figure(figsize=(10, 6), dpi=150)
plt.plot(np.linspace(0, 400 * Fs / len(ifft_data), 400), fft(ifft_data)[0:400], color='r')

plt.show()

# 保存音频
male_audio = np.array(ifft_data).real
wavfile.write('女声降频后.wav', Fs, male_audio.astype(np.int16))