语音处理之特征信息抽取

语音处理之特征信息抽取

简介

当前在很多任务中都需要用到对于语音信息的特征抽取，在观察了许多博客和自己的实践，最终成功获取，当前网上博客存在老旧和零碎的问题。这里我整理了一些问题，写了一些自己的心得。使用到了librosa作为语音处理的主要工具，scipy,io.wavfile ,pydub 文件读取包等 安装方式：

pip install scipy
pip install pydub  
如果pydub安装失败就使用conda
conda install pydub
pip install librosa 

这里在安装失败的或者在读取数据出错的时候，建议使用conda来安装，我在实际安装中发现，对于pydub，使用pip安装的时候会发生pydub和依赖包（如ffpeg）不匹配现象（python3和python2）

mp3转wav格式

很多时候我们获取的信息都是以mp3格式存在的，但是实际处理中，我们最好转换为wav的格式。虽然librosa.load(’.mp3’) 也是可以的，但是速度奇慢，如果数据量较大，建议不要这么做。

 try:
            jing = AudioSegment.from_mp3(filename)
            jing.export(save_path+filename+'.wav',format="wav")
        except:
            print(filename)
       

以上是处理的第一步，接下来

 sr,wav = wavfile.read(self.basepath+'aud_wav_3/'+str(id)+'.wav')
                wav = wav.astype('float32') / 32767 
                wav=wav.mean(-1)
 mfccs=librosa.feature.mfcc(y=wav,sr=sr,hop_length=self.hop_length,n_mfcc=74)

如果直接使用librosa速度是非常慢的，而如果先将它用wavfile读取出来，