音频数据集的加载

知识整理

这几天在做一个课程设计，涉及到了需要读取指定文件夹下的音频文件进行相关的训练，一开始在数据集的读取和标签的加载这里花了一些时间，所以这里记录整理一下，只要能有一个人得到一点帮助就很很有用了。

数据集描述

首先我是需要读取一部分指定的音频文件进行训练，比如我只想训练一部分我重新整合好的数据集，而不是把原始数据集直接拿来使用，因为这个数据集的数据分布不是特别的均匀，就比较容易导致训练出来的效果不是很好。

加载音频文件
这里只说一下几个我用过的库：ffmpeg，opencv，librosa库。其中ffmpeg实际上是一个软件，拼接音频、剪切、音频和视频结合等等都可以。三个都可以通过pip install直接安装，opencv是很常用的音频和图像处理的库了，比较方便能够对视频进行各种处理。librosa是这次实验才使用的库，主要是利用它来进行特征的提取。其他的音频库还有pydub，pyaudio等等。

• ffmepg：文档阅读

• librosa：文档阅读
  上面是英文文档，这里有一个小伙伴进行了一下翻译，如果懒得去读英文的可以去这里

• opencv：文档阅读

• pydub：文档阅读
  pydub需要依赖 libav或者ffmpeg。[安装]

• pyaudio：文档阅读

数据集获取

使用的是asvspoof挑战赛2019的语音数据集

• 这里给出ASVspoof2017数据集的网盘链接，因为通常很多下载数据集的网址都有限速，挂梯也增加不了速度那种。
  提取码：fzya[数据集获