语音信号处理-第三方库：librosa、nnAudio、torchAudio三者的差异

已于 2024-02-14 12:54:42 修改
阅读量739 收藏 3
点赞数 1
分类专栏： Audio 文章标签： python numpy 机器学习
于 2022-09-13 23:03:56 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u013250861/article/details/126843554
版权
这篇博客介绍了在Python中进行语音信号处理时，librosa、nnAudio和torchAudio三个库的差异。尽管nnAudio利用一维卷积，但在功能完备性上不如librosa。文章通过梅尔谱图和谱图的实现比较，得出结论：三种库的梅尔谱图结果基本一致，而librosa.display.specshow()主要用于人眼观察，若用于模型训练应使用plt.imshow()显示图像。
摘要由CSDN通过智能技术生成

python可以使用的语音处理第三方库一览图
在这里插入图片描述
如果你只是使用pytorch， 需要关注nnAudio, torchAudio, librosa这三个模块，如上所示，nnAudio有很多优点，它是使用一维卷积实现的一个库，但是一些常用的功能，比如音频加载，谱图显示，幅度转为DB等它都没有，很多时候，还是要使用librosa配合。

下面是三个模块的简单使用

from nnAudio import Spectrogram
import nnAudio
import torchaudio.functional as F
import torchaudio
了解本专栏 订阅专栏 解锁全文 超级会员免费看
u013250861
关注
专栏目录
订阅专栏
语音信号处理：librosa库【详解】
u013250861的博客
06-28 3337
librosa是一个非常强大的python语音信号处理的第三方库。学会librosa后再也不用用python去实现那些复杂的算法了，只需要一句语句就能轻松实现。参考资料： Python之librosa库语音信号处理
torchlibrosa
05-06
TorchLibrosa：Librosa的PyTorch实施 该代码库提供了一些librosa函数的PyTorch实现。 如果用户以前用于训练librosa的cpu提取功能，但想在训练和评估期间增加GPU加速，则TorchLibrosa将提供与标准torchlibrosa函数几乎相同的功能（数值差小于1e-5）。 安装 $ pip install torchlibrosa 例子1 用TorchLibrosa提取Log mel频谱图。 import torch import torchlibrosa as tl batch_size = 16 sample_rate = 22050 win_length = 2048 hop_length = 512 n_mels = 128 batch_audio = torch . empty ( batch_size , sample_rate )
nnAudio 开源项目教程
最新发布
gitblog_00556的博客
08-10 427
nnAudio 开源项目教程 nnAudioAudio processing by using pytorch 1D convolution network项目地址:https://gitcode.com/gh_mirrors/nn/nnAudio 项目介绍 nnAudio 是一个使用 PyTorch 卷积神经网络作为后端的音频处理工具箱。通过这种方式，可以在神经网络训练过程中实时生成频谱图，并...
librosa、nnAudio、torchAudio三者的差异
weixin_40927334的博客
09-03 3397
librosa、nnAudio、torchAudio三者的差异python可以使用的语音处理第三方库一览图下面是三个模块的简单使用参考 python可以使用的语音处理第三方库一览图 如果你只是使用pytorch， 需要关注nnAudio, torchAudio, librosa这三个模块，如上所示，nnAudio有很多优点，它是使用一维卷积实现的一个库，但是一些常用的功能，比如音频加载，谱图显示，幅度转为DB等它都没有，很多时候，还是要使用librosa配合。 下面是三个模块的简单使用 from nnAu
torchaudio 和 librosa 库中提取 Mel Spectrogram 的相互转换
weixin_43335465的博客
02-08 1535
torchaudio 和 librosa 是深度学习中语音特征提取最常见的两个库，但是针对同样的特征两个库在提取 MelSpectrogram 特征的时候，得到的结果并不完全一致，这篇文章简述了一些配置和注意事项，从而使得两个库能够提取相同数值大小的特征。
利用librosa,torchaudio分别实现梅尔语谱图（Mel spectrogram ）音频特征提取的详细过程
qq_57540674的博客
01-23 4898
用不同的方式实现音频到梅尔谱的转变，如torchaudio，librosa，直接调用和分步实现，把音频的特征值提取出来，可用于音频分类。
torchaudio.load() 和 librosa.load() 的返回值区别
weixin_43457608的博客
06-26 761
之前都在使用librosa加载音频数据，今天看到一段代码是用torchaudio加载的音频，发现torchaudio加载的数据和librosa返回的结果不一致。
语音信号处理-概念（二）：幅度谱（短时傅里叶变换谱/STFT spectrum）、梅尔谱（Mel spectrum）【语音的深度学习主要用幅度谱、梅尔谱】【用librosa或torchaudio提取】
u013250861的博客
06-26 2568
一、语音的深度学习使用哪种谱？ 答：以amp spec和melspec为主，通常可以用librosa库或者torchaudio库进行提取。二、那Fbank、MFCC 呢？ 答：由于其蕴含信息较少，已经不适合这个大数据时代。但有些任务由于其本身的特殊性质，还是会使用到MFCC谱。如情感语音转换任务。...............
语音信号处理-基础(四)：时域音频特征及Python实现
u013250861的博客
06-29 1470
振幅包络线，就是将不同频率的振幅最高点连结起来形成的曲线。其 数学定义为：其中 指代时刻t的振幅包络， 为窗口的大小， 而 是该窗口下第k个样本的振幅。 振幅包络线 可以告诉我们有关响度的大体情况， 而且对于异常值比较敏感， 常用于音频节奏检测（Onset Detection），和音乐类型分类（music genre classification）。接下来我们对比下古典音乐、摇滚、爵士三类音乐的振幅包络线。python分析语音数据有不少工具， 最为常用的应该是librosa。首先我们先导入相关packag
DTW.zip_-baijiahao_dtw 对齐_librosa MFCC_librosa提取MFCC_语音对齐
07-14
在本文中，我们将深入探讨标题和描述中提及的IT知识点：动态时间规整（Dynamic Time Warping, 简称DTW）、librosa库以及MFCC（Mel频率倒谱系数）在语音识别对齐中的应用。这些技术是音频处理和机器学习领域中的重要...
第三方ENC通话降噪算法和SDK之间的逻辑关系是什么
xinbo7077的博客
12-27 772
第三方ENC通话降噪算法和SDK之间的逻辑关系是什么
Python-SpeechPy用于语音处理和识别的库
08-09
SpeechPy -用于语音处理和识别的库
nnAudio:使用pytorch 1D卷积网络进行音频​​处理
04-29
音频 nnAudio是使用PyTorch卷积神经网络作为后端的音频处理工具箱。 这样，可以在神经网络训练过程中从音频动态生成频谱图，并且可以训练傅立叶内核（例如CQT内核）。 也有类似的概念，他们还使用一维卷积神经网络提取基于频谱图。 其他GPU音频处理工具是和 。 但是他们没有使用神经网络方法，因此不能训练傅立叶基础。 作为PyTorch 1.6.0，torchaudio仍然很难在Windows环境下，由于在安装sox 。 由于nnAudio主要依赖PyTorch卷积神经网络，因此它是跨不同操作系统的更兼容的音频处理工具。 nnAudio的名称来自torch.nn 文献资料 与其他图书馆的比较 特征 可训练的 :check_mark_button: :cross_mark: :check_mark_button: :cross_mark: :cross_mark: :check_mark_button: :cross_mark: 可区分的 :check_mark_button: :check_mark_button: :check_mark_b
Python库 | nnAudio-0.0.5-py3-none-any.whl
02-24
python库。 资源全名：nnAudio-0.0.5-py3-none-any.whl
Python音频库
weixin_43914983的博客
03-27 614
Python音频库 Python有一些很棒的音频处理库，比如Librosa和PyAudio。还有一些内置的模块（内置库 wave）用于一些基本的音频功能。 我们将主要使用两个库进行音频采集和回放： Librosa pyAudioAnalysisPython音频库 pyAudioAnalysis) Librosa pyAudioAnalysis ...
第三方SDK：讯飞语音
Java技术博客，不再更新Android内容
08-08 815
分类前提在讯飞开发者平台创建应用，获取Appid,下载SDK,复制jar和so文件，在Application中初始化public class MyApplication extends Application { @Override public void onCreate() { super.onCreate(); SpeechUtility.crea
Python语音处理库
weixin_42734359的博客
08-04 346
Python有一个音频处理库Librosa，这个库非常的强大，可以进行音频处理、频谱表示、幅度转换、时频转换、特征提取（音色、音高提取）等等。
python语音处理库
weixin_41715954的博客
06-07 928
1、eyeD3 2、pydub 3、PyAudio
现代语音信号处理：Python实战-习题解析
在Python环境下，学习者可以通过编写代码来实现这些理论，比如使用Python库如 librosa 或 scipy 来处理和分析语音信号，进行特征提取、降噪、识别等任务。这样的实践有助于加深对理论知识的理解，并为实际应用打下...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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