【学习小记】零基础入门语音识别-Task2赛题数据介绍与分析

今天的内容有点不知道说啥=-=

赛题数据集

本次比赛的数据集来自Kaggle的“Eating Sound Collection”（可商用）， 数据集中包含20种不同食物的咀嚼声音，赛题任务是给这些声音数据建模，准确分类。

数据探索

几方面收获：

波形幅度包络的查看：

plt.figure(figsize=(14, 5))
librosa.display.waveplot(data1,sr=sampling_rate1)

以及声谱图（声音或其他的频率随时间变化的表示）的查看：

plt.figure(figsize=(20, 10))
D = librosa.amplitude_to_db(np.abs(librosa.stft(data1)), ref=np.max)
plt.subplot(4, 2, 1)
librosa.display.specshow(D, y_axis='linear')
plt.colorbar(format='%+2.0f dB')
plt.title('Linear-frequency power spectrogram of aloe')

以及除了librosa之外，今天又认识了一个库哈哈哈哈，IPython.display.Audio： 该模块能使得音频直接在jupyter笔记本中播放。