Python语音基础操作--7.2LPC的语音合成

最新推荐文章于 2021-09-14 20:17:30 发布

sinat_18131557

最新推荐文章于 2021-09-14 20:17:30 发布

阅读量2.6k

点赞数 2

分类专栏： Python 语音信号文章标签：机器学习 python 语音识别

本文链接：https://blog.csdn.net/sinat_18131557/article/details/106440872

版权

Python 同时被 2 个专栏收录

66 篇文章 39 订阅

订阅专栏

语音信号

28 篇文章 61 订阅

订阅专栏

《语音信号处理试验教程》（梁瑞宇等）的代码主要是Matlab实现的，现在Python比较热门，所以把这个项目大部分内容写成了Python实现，大部分是手动写的。使用CSDN博客查看帮助文件：

代码可在Github上下载：busyyang/python_sound_open

对于线性预测器 $\hat s(n)=\sum\limits_{i=1}^pa_is(n-i)$ ，其误差为 $e(n)=s(n)-\hat s(n)$ ，那么在预测误差 $e (n)$ 和预测系数 $a_i$ 已知的情况下，就可以求出合成语音。

from chapter2_基础.soundBase import *
from chapter7_语音合成.flipframe import *
from chapter3_分析实验.C3_1_y_1 import enframe
from chapter3_分析实验.lpc import lpc_coeff

from scipy.signal import lfilter

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

data, fs = soundBase('C7_2_y.wav').audioread()

data -= np.mean(data)
data /= np.max(np.abs(data))
N = len(data)
time = [i / fs for i in range(N)]  # 设置时间
p = 12
wlen, inc = 200, 80
msoverlap = wlen - inc
y = enframe(data, wlen, inc)
fn = y.shape[0]
Acoef = np.zeros((y.shape[0], p + 1))
resid = np.zeros(y.shape)
synFrame = np.zeros(y.shape)
## 7.2.1

# 求每帧的LPC系数与预测误差
for i in range(fn):
    a, _ = lpc_coeff(y[i, :], p)
    Acoef[i, :] = a
    resid[i, :] = lfilter(a, [1], y[i, :])

# 语音合成
for i in range(fn):
    synFrame[i, :] = lfilter([1], Acoef[i, :], resid[i, :])

outspeech = Filpframe_OverlapS(synFrame, np.hamming(wlen), inc)
plt.subplot(2, 1, 1)
plt.plot(data / np.max(np.abs(data)), 'k')
plt.title('原始信号')
plt.subplot(2, 1, 2)
plt.title('还原信号-LPC与误差')
plt.plot(outspeech / np.max(np.abs(outspeech)), 'c')

plt.show()

在这里插入图片描述

sinat_18131557

关注

2
点赞
踩
13

收藏

觉得还不错? 一键收藏
2
评论
Python语音基础操作--7.2LPC的语音合成

对于线性预测器s^(n)=∑i=1pais(n−i)\hat s(n)=\sum\limits_{i=1}^pa_is(n-i)s^(n)=i=1∑pais(n−i)，其误差为e(n)=s(n)−s^(n)e(n)=s(n)-\hat s(n)e(n)=s(n)−s^(n)，那么在预测误差e(n)e(n)e(n)和预测系数aia_iai已知的情况下，就可以求出合成语音。from chapter2_基础.soundBase import *from chapter7_语音合成.flipframe i
复制链接

扫一扫

专栏目录