python np fft_理解语音识别系统中的语音数据，傅里叶转换，FFT和声谱特征

本篇文章介绍如何使用python进行声音数据分析（语音分析）。

总述

每天都会产生大量的语音数据。如果他们能够很容易的被数据科学家所获得来开发AI引擎和进行AI分析，也许会产生不一样的洞见。那些早已意识到语音数据信息重要性的机构正在利用AI转录对话，去加强员工培训，客户服务以及提供用户体验。

然而，也有一些机构不能够很好的利用这些数据，因为一下原因— 1.他们并没有进行采集。2.数据质量差。这些障碍阻止他们进一步去推行机器学习解决方案。所以收集质量良好的数据是很重要的。

这篇文章手把手的教你如何进行语音数据处理。

---

文章主要从以下几个方面展开：

• 读取声音文件
• 傅里叶变换（FT）
• 快速傅里叶变换（FFT）
• 声谱图
• 使用声谱图进行语音识别
• 总结

---

1. 读取声音文件

LIBROSA

LibROSA是一个python库，里面包含了几乎所有你想要处理声音的工具。让我们快速的看一下它的特点：

1. 加载展示一个声音文件的特性
2. 声谱表示
3. 特征提取和操作
4. 时间——频率转换
5. 语音切割
6. 序列模型...等

你可以通过下面的命令快速安装这个库——

pypi  : pip install librosa
conda : conda install -c conda-forge librosa

---

使用python加载语音

Librosa支持大量的语音编码形式。虽然在进行数据分析的时候，大部分都会使用.wav(无损)格式。一旦你成功的安装并且在jupyter notebook中导入libROSA之后，你可以通过在 librosa.load()函数中设置file_path 参数去指定想要读取的语音文件。

librosa.load()—> 返回两个内容— 1. 振幅矩阵。2. 采样率。采样率指的是记录声音文件时的采样频率。如果保持参数sr = None， 将会以原始的采样频率去加载你的文件。（注意：你可以根据需要去指定采样频率，libROSA会为你进行上采样或下采样）。看下图：

sampling_rate = 16k 说明这个语言以16K的采样频率被记录。也就是说，在记录这段语音的时候，我们一秒钟记录了16000个时间点的振幅。因此，如果我们想知道语音时长，可以通过采样的个数除以采样率得出：

IPython 提供了一些小工具帮助我们在notebook从播放音频