音频分类

一、音频基础

一段音频包含两个最基本的信息：时间长短和采样率（帧率）。
采样率即一秒钟采样多少，以KHz为单位。故总帧数=采样率*时间
我们选择一段音频导入来看看其采样率时间等信息。采用python自带wave库即可完成。

import wave
wav = wave.open(file)
print("采样率：{}".formal(wav.getframerate())
print("总帧数：{}".formal(wav.getnframes())
print("时间：{}".formal(wav.getnframes()/wav.getframerate())

下面介绍最常用的librosa库。(pip安装即可）

# 文件的导入
import librosa
data, sr = librosa.load(file, sr=None)  # 文件导入。sr=None代表使用原始文件的采样率，也可自己设置进行重采样。(重采样比较耗时）
print(data.shape)
print(sr)
plt.plot(data, "-")  # 画图看看data数据到底长啥样
plt.show()

二、常用特征进行分类

音频分类一般采用音频的几个特征进行分类，可以利用librosa轻松的提取特征保存为二维向量。

# 维度（40， _）  第一个维度代表频域， 第二个维度代表时域，故第二个维度大小跟音频长度有关，第一个维度大小可自行设置（n_mfcc)
mfcc = librosa.feature.mfcc(data, sr