LXM音频处理软件 使用说明书

本文介绍了一款专为不便查看序号的音频评书机用户设计的软件,通过增加音频文件的名称和序号播放功能。操作流程包括统一音频格式、使用LXM软件处理和转换文件,以及利用TxtToWav转文本为音频。软件作者提示免费使用,但不承担任何责任。
摘要由CSDN通过智能技术生成

LXM音频处理软件使用说明书

        现在音频评书机播放器,只能显示序号,不能播放序号和名称,对眼睛不方便的人使用起来不友好,出于此开发这个软件,方便所有有需要的人。

软件概述

1.软件功能:音频文件增加序号和名称播放。

2.软件原理:读取文件名增加编号转换为音频,将原音频拼接成一块。

3.大家免费使用和传播,软件作者对产生的任何后果概不负责。

4.操作问题,软件BUG。请大家网络搜索解决办法。

操作步骤分为3大步:

1. 使用“格式工厂”统一音频格式。

2. 使用“LXM音频处理软件V2.2”软件处理音频文件。

3. 使用“TxtToWav”软件将文本文件转换为音频文件

具体操作步骤:

  1. 使用“格式工厂”统一音频格式。

    准备好音频专辑和文件,音频按照专辑创建不同的文件夹,音频文件存储在文件夹内。仅支持一级目录。

1.1. 双击打开“格式工厂”软件(在此感谢本软件原作者)

1.2.设置完成,点击开始进行转换。(时间非常长请耐心等待)

2. 使用“LXM音频处理软件V2.2”软件处理音频文件。

  1. 打开软件,双击执行“LXM音频处理软件V2.2.exe”。

  1. 点击步骤0,选择输入音频的后缀格式。(若果选择*.mp3,则路径下的两种后缀均进行搜索,若果选择*[LXM].mp3,时需注意格式工厂统一格式时,增加“[LXM]”文件后缀)
  2. 点击步骤1,选择选择输入音频路径。(输入音频按照专辑创建不同的文件夹,音频文件存储在文件夹内部)
  3. 点击步骤2,选择选择输出音频路径,可以选择SD卡,TF卡等。
  4. 点击步骤3,在输入音频路径下生成“处理输出”文件夹。用附带工具把“处理输出”下所有的txt文本文件转换为mp3音频文件。
    1. 双击打开“TxtToWav.exe”。(在此感谢本软件原作者)
    2. 选择txt文件夹;(选择步骤3生成的“处理输出”文件夹)
    3. 勾选包含所有子文件夹文件;
    4. 选择输出mp3文件夹;(选择步骤3生成的“处理输出”文件夹)
    5. 音量设置成100;
    6. 速度设置-4(速度慢会比较清楚);
    7. 点击批量转换。(时间非常长请耐心等待)

  1. 使用格式工厂,把“处理输出”路径下所有的音频格式,处理成编码速率格式一致。步骤参考第一节。特别注意该文件夹下的文件名称不能改变。(推荐音量150%)
  2. 点击步骤4拼接音频文件,并输出拷贝到指定的路径下面。(执行该步骤时,可以中途强制关闭,测试音频文件是否可行),再次执行时,“格式工厂”和“TxtToWav”的相关步骤可以省略。
  3. 操作完成。

格式转换时注意调节音量,不要忽大忽小,保护耳朵。

软件下载请搜索“LXM音频处理软件

使用教程】 一、环境配置 1、建议下载anaconda和pycharm 在anaconda中配置好环境,然后直接导入到pycharm中,在pycharm中运行项目 anaconda和pycharm安装及环境配置参考网上博客,有很多博主介绍 2、在anacodna中安装requirements.txt中的软件包 命令为:pip install -r requirements.txt 或者改成清华源后再执行以上命令,这样安装要快一些 软件包都安装成功后才算成功 3、安装好软件包后,把anaconda中对应的python导入到pycharm中即可(不难,参考网上博客) 二、环境配置好后,开始训练(也可以训练自己数据集) 1、数据集准备 需要准备yolo格式的目标检测数据集,如果不清楚yolo数据集格式,或者有其他数据训练需求,请看博主yolo格式各种数据集集合链接:https://blog.csdn.net/DeepLearning_/article/details/127276492 里面涵盖了上百种yolo数据集,且在不断更新,基本都是实际项目使用。来自于网上收集、实际场景采集制作等,自己使用labelimg标注工具标注的。数据集质量绝对有保证! 本项目所使用的数据集,见csdn该资源下载页面中的介绍栏,里面有对应的下载链接,下载后可直接使用。 2、数据准备好,开始修改配置文件 参考代码中data文件夹下的banana_ripe.yaml,可以自己新建一个不同名称的yaml文件 train:训练集的图片路径 val:验证集的图片路径 names: 0: very-ripe 类别1 1: immature 类别2 2: mid-ripe 类别3 格式按照banana_ripe.yaml照葫芦画瓢就行,不需要过多参考网上的 3、修改train_dual.py中的配置参数,开始训练模型 方式一: 修改点: a.--weights参数,填入'yolov9-s.pt',博主训练的是yolov9-s,根据自己需求可自定义 b.--cfg参数,填入 models/detect/yolov9-c.yaml c.--data参数,填入data/banana_ripe.yaml,可自定义自己的yaml路径 d.--hyp参数,填入hyp.scratch-high.yaml e.--epochs参数,填入100或者200都行,根据自己的数据集可改 f.--batch-size参数,根据自己的电脑性能(显存大小)自定义修改 g.--device参数,一张显卡的话,就填0。没显卡,使用cpu训练,就填cpu h.--close-mosaic参数,填入15 以上修改好,直接pycharm中运行train_dual.py开始训练 方式二: 命令行方式,在pycharm中的终端窗口输入如下命令,可根据自己情况修改参数 官方示例:python train_dual.py --workers 8 --device 0 --batch 16 --data data/coco.yaml --img 640 --cfg models/detect/yolov9-c.yaml --weights '' --name yolov9-c --hyp hyp.scratch-high.yaml --min-items 0 --epochs 500 --close-mosaic 15 训练完会在runs/train文件下生成对应的训练文件及模型,后续测试可以拿来用。 三、测试 1、训练完,测试 修改detect_dual.py中的参数 --weights,改成上面训练得到的best.pt对应的路径 --source,需要测试的数据图片存放的位置,代码中的test_imgs --conf-thres,置信度阈值,自定义修改 --iou-thres,iou阈值,自定义修改 其他默认即可 pycharm中运行detect_dual.py 在runs/detect文件夹下存放检测结果图片或者视频 【备注】 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用!有问题请及时沟通交流。 2、适用人群:计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值