Python音频的数据扩充

Python音频的数据扩充

经典的深度学习网络AlexNet使用数据扩充（Data Augmentation）的方式扩大数据集，取得较好的分类效果。在深度学习的图像领域中，通过平移、 翻转、加噪等方法进行数据扩充。但是，在音频（Audio）领域中，如何进行数据扩充呢？

音频的数据扩充，主要有以下四种方式：

• 音频剪裁（Clip）

• 音频旋转（Roll）

• 音频调音（Tune）

• 音频加噪（Noise）

音频解析基于librosa音频库；矩阵操作基于scipy和numpy科学计算库。

以下是Python的实现方式

01

音频剪裁

import librosa

from scipy.io import wavfile y, sr = librosa.load("…/data/love_illusion.mp3")

# 读取音频print y.shape, sr wavfile.write("…/data/love_illusion_20s.mp3", sr, y[20 * sr:40 * sr])

# 写入音频

02

音频旋转

import cv2

import librosa

from scipy.io import wavfile y, sr = librosa.load("…/data/raw/love_illusion_20s.mp3")

# 读取音频ly = len(y) y_tune = cv2.resize(y, (1, int(len(y) * 1.2))).squeeze() lc = len(y_tune) - ly y_tune = y_tune[int(lc / 2):int(lc / 2) + ly]print y.shape, sr wavfile.write("…/data/raw/xxx_tune.mp3", sr, y_tune)

# 写入音频

03

音频调音

import cv2

import librosa

from scipy.io import wavfile y, sr = librosa.load("…/data/raw/love_illusion_20s.mp3")

# 读取音频ly = len(y) y_tune = cv2.resize(y, (1, int(len(y) * 1.2))).squeeze() lc = len(y_tune) - ly y_tune = y_tune[int(lc / 2):int(lc / 2) + ly]print y.shape, sr wavfile.write("…/data/raw/xxx_tune.mp3", sr, y_tune)

# 写入音频

04

音频加噪

import librosa

from scipy.io import wavfile

import numpy as np

y, sr = librosa.load("…/data/raw/love_illusion_20s.mp3")

# 读取音频wn = np.random.randn(len(y)) y = np.where(y != 0.0, y + 0.02 * wn, 0.0)

# 噪声不要添加到0上！print y.shape, sr wavfile.write("…/data/raw/love_illusion_20s_w.mp3", sr, y)

# 写入音频