python学习音频-Python 音频数据扩充的技巧

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？

欢迎加入我的QQ群`923414804`与我一起学习，群里有我学习过程中整理的大量学习资料。加群即可免费获取

Audio

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）

音频处理基于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：

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

音频旋转

import librosa

import numpy as np

from scipy.io import wavfile

y, sr = librosa.load("../data/raw/love_illusion_20s.mp3") # 读取音频

y = np.roll(y, sr*10)

print y.shape, sr

wavfile.write("../data/raw/xxx_roll.mp3", sr, y) # 写入音频

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) # 写入音频

音频加噪，注意：在添加随机噪声时，保留0值，否则刺耳难忍！

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

OK, that's all! Enjoy it!