• Speech | 语音处理，分割一段音频（python）

    本文主要是关于语音数据在处理过程中的一些脚本文件以及实例，所有代码只需要更改所需处理的文件路径，输出路径等，全部可运行。

    目录

    所需环境

    方法1：将一整段音频按时间批量切成一个一个音频

    方法2：将一整段音频按语句停顿批量切成一个一个音频

    方法3：将一个文件夹内的几整段音频批量切成一个一个音频

    3.1.数据格式：一个文件夹下的长几分多的音频（wav文件）按固定秒数切割

    3.2.数据格式：一个文件夹下的长几分多的音频（mp3文件）按固定秒数切割

    3.3.数据格式：一个文件夹下的长几分多的音频（wav文件）按语句停顿切割

    扩展

    将pcm文件批量处理成wav文件

    Linux下查询文件夹中文件数量的方法

    使用ls命令和wc命令

    WAV格式文件详解

    所需环境

    本文环境：Linux

    pydub(安装：pip3 install pydub)

    ffmpeg(apt install ffmpeg)

    方法1：将一整段音频按时间批量切成一个一个音频

    数据格式：一个长三分五十秒的音频

    1. # split_wav_time.py
    2. from pydub import AudioSegment
    3. from pydub.utils import make_chunks
    4.  
    5. audio = AudioSegment.from_file("his_one/1.wav", "wav")
    6.  
    7. #size = 10000  #切割的毫秒数 10s=10000
    8. size = 60000  #切割的毫秒数 60s=60000
    9.  
    10. chunks = make_chunks(audio, size)  #将文件切割为60s一个
    11.  
    12. for i, chunk in enumerate(chunks):
    13.     chunk_name = "new-{0}.wav".format(i)
    14.     print(chunk_name)
    15.     chunk.export(chunk_name, format="wav")

    运行命令：

    python split_wav_time.py

     结果：

    方法2：将一整段音频按语句停顿批量切成一个一个音频

    数据格式：一个长几分多的音频

    利用split_on_silence（sound，min_silence_len,   silence_thresh,    keep_silence=400）函数

    第一个参数为待分割音频，第二个为多少秒“没声”代表沉默，第三个为分贝小于多少dBFS时代表沉默，第四个为为截出的每个音频添加多少ms无声

    1. from pydub import AudioSegment
    2. from pydub.silence import split_on_silence
    3.  
    4. sound = AudioSegment.from_mp3("his_one/1.wav")
    5. loudness = sound.dBFS
    6. #print(loudness)
    7.  
    8. chunks = split_on_silence(sound,
    9.     # must be silent for at least half a second,沉默半秒
    10.     min_silence_len=430,
    11.  
    12.     # consider it silent if quieter than -16 dBFS
    13.     silence_thresh=-45,
    14.     keep_silence=400
    15.  
    16. )
    17. print('Len:', len(chunks))
    18.  
    19. # 放弃长度小于2秒的录音片段
    20. for i in list(range(len(chunks)))[::-1]:
    21.     if len(chunks[i]) <= 2000 or len(chunks[i]) >= 10000:
    22.         chunks.pop(i)
    23. print('取有效分段(大于2s小于10s)：', len(chunks))
    24.  
    25. '''
    26. for x in range(0,int(len(sound)/1000)):
    27.     print(x,sound[x*1000:(x+1)*1000].max_dBFS)
    28. '''
    29.  
    30. for i, chunk in enumerate(chunks):
    31.     chunk.export("cutwav_{0}.wav".format(i), format="wav")
    32.     #print(i)

      结果：

    方法3：将一个文件夹内的几整段音频批量切成一个一个音频

    3.1.数据格式：一个文件夹下的长几分多的音频（wav文件）按固定秒数切割

    1. from pydub import AudioSegment
    2. from pydub.utils import make_chunks
    3. import os, re
    4.  
    5. # # 循环目录下所有文件
    6. for each in os.listdir("/workspace/tts/PolyLangVITS/history"): #循环目录
    7.     
    8.     filename = re.findall(r"(.*?)\.wav", each) # 取出.wav后缀的文件名
    9.     print(each)
    10.     if each:
    11.         # filename[0] += '.wav'
    12.         # print(filename[0])
    13.  
    14.         mp3 = AudioSegment.from_file('/workspace/tts/PolyLangVITS/history/{}'.format(each), "wav") # 打开mp3文件
    15. #         # # mp3[17*1000+500:].export(filename[0], format="mp3") #
    16.         size = 15000  # 切割的毫秒数 10s=10000
    17.  
    18.         chunks = make_chunks(mp3, size)  # 将文件切割为15s一块
    19.  
    20.         for i, chunk in enumerate(chunks):
    21.  
    22.             chunk_name = "{}-{}.wav".format(each.split(".")[0],i)
    23.             print(chunk_name)
    24.             chunk.export('/workspace/tts/PolyLangVITS/preprodata/his_out/{}'.format(chunk_name), format="wav")
    25.  
    26.  
    27.  
    28.  
    29.

     结果

    3.2.数据格式：一个文件夹下的长几分多的音频（mp3文件）按固定秒数切割

    1. from pydub import AudioSegment
    2. from pydub.utils import make_chunks
    3. import os, re
    4. # #
    5. # # 循环目录下所有文件
    6. for each in os.listdir("D:/纯音乐"): #循环目录
    7.     
    8.     filename = re.findall(r"(.*?)\.mp3", each) # 取出.mp3后缀的文件名
    9.     print(each)
    10.     if each:
    11.         # filename[0] += '.wav'
    12.         # print(filename[0])
    13.  
    14.         mp3 = AudioSegment.from_file('D:/纯音乐/{}'.format(each), "mp3") # 打开mp3文件
    15. #         # # mp3[17*1000+500:].export(filename[0], format="mp3") #
    16.         size = 15000  # 切割的毫秒数 10s=10000
    17.  
    18.         chunks = make_chunks(mp3, size)  # 将文件切割为15s一块
    19.  
    20.         for i, chunk in enumerate(chunks):
    21.  
    22.             chunk_name = "{}-{}.mp3".format(each.split(".")[0],i)
    23.             print(chunk_name)
    24.             chunk.export('D:/纯音乐分解/{}'.format(chunk_name), format="mp3")```
    25.  
    26.  
    27.  
    28.  
    29.

     3.3.数据格式：一个文件夹下的长几分多的音频（wav文件）按语句停顿切割

     

    1. # @ Elena
    2. # @ Date : 23.9.4
    3.  
    4.  
    5. import os, re
    6. from pydub import AudioSegment
    7. from pydub.silence import split_on_silence
    8.  
    9. # # 循环目录下所有文件
    10. for each in os.listdir("/workspace/tts/PolyLangVITS/history"): 
    11.     filename = re.findall(r"(.*?)\.wav", each) # 取出.wav后缀的文件名
    12.     print(each)
    13.     if each:
    14.         sound = AudioSegment.from_file('/workspace/tts/PolyLangVITS/history/{}'.format(each), "wav")
    15.         loudness = sound.dBFS
    16.     #print(loudness)
    17.  
    18.     chunks = split_on_silence(sound,
    19.         # must be silent for at least half a second,沉默半秒
    20.         min_silence_len=430,
    21.     
    22.         # consider it silent if quieter than -16 dBFS
    23.         silence_thresh=-45,
    24.         keep_silence=400
    25.     
    26.     )
    27.     print('Len:', len(chunks))
    28.     
    29.     # 放弃长度小于1秒的录音片段
    30.     for i in list(range(len(chunks)))[::-1]:
    31.         if len(chunks[i]) <= 1000 or len(chunks[i]) >= 10000:
    32.             chunks.pop(i)
    33.     print('Len (1s~10s wav file):', len(chunks))
    34.     
    35.     '''
    36.     for x in range(0,int(len(sound)/1000)):
    37.         print(x,sound[x*1000:(x+1)*1000].max_dBFS)
    38.     '''
    39.     
    40.     for i, chunk in enumerate(chunks):
    41.         chunk_name = "{}-{}.wav".format(each.split(".")[0],i) 
    42.         chunk.export("/workspace/tts/PolyLangVITS/preprodata/his_out/{}".format(chunk_name), format="wav")
    43.         #print(i)

    结果

    使用 file 查询  wav

    (WAV文件格式是Microsoft的RIFF规范的一个子集，用于存储多媒体文件。WAV(RIFF)文件由若干个Chunk组成，分别为: RIFF WAVE Chunk，Format Chunk，Fact Chunk(可选)，Data Chunk。具体格式如下：)

    扩展

    将pcm文件批量处理成wav文件

    1. import wave
    2. import os
    3.  
    4. filepath = "data/"  # 添加路径
    5. filename = os.listdir(filepath)  # 得到文件夹下的所有文件名称
    6. #f = wave.open(filepath + filename[1], 'rb')
    7. #print(filename)
    8. for i in range(len(filename)):
    9.     with open("data/"+failename[i], 'rb') as pcmfile:
    10.         pcmdata = pcmfile.read()
    11.     with wave.open("data/"+filename[i][:-3] + '.wav', 'wb') as wavfile:
    12.         wavfile.setparams((1, 2, 16000, 0, 'NONE', 'NONE'))
    13.         wavfile.writeframes(pcmdata)

    Linux下查询文件夹中文件数量的方法

    使用ls命令和wc命令

    使用ls命令的-l选项和管道操作符|结合wc命令来统计文件数量：

    查询当前文件夹下带有“wav”的文件数量

    ls -l | grep "wav" | wc -l

     

    WAV格式文件详解

    WAV文件格式是Microsoft的RIFF规范的一个子集，用于存储多媒体文件。WAV(RIFF)文件由若干个Chunk组成，分别为: RIFF WAVE Chunk，Format Chunk，Fact Chunk(可选)，Data Chunk。具体格式如下：

    音频文件参数简介
    对于形如44100HZ 16bit stereo 或者 22050HZ 8bit mono参数描述的音频文件，其蕴含的文件参数包括：

    采样率：声音信号在“模→数”转换过程中单位时间内采样的次数。
    采样值（采样精度）：每一次采样周期内声音模拟信号的积分值。
    同时，每个采样数据记录的是振幅, 而采样精度取决于储存空间的大小。
    对于单声道（mono）文件，采样数据为8位的短整数，同时其采样精度有：

    1 字节（8bit） 只能记录 256 个数, 也就是只能将振幅划分成 256 个等级；
    2 字节（16bit） 可以细到 65536 个数, 即为 CD 标准；
    4 字节（32bit） 能把振幅细分到 4294967296 个等级, 实在是没必要了。
    对于双声道立体声（stereo）文件，每次采样数据为一个16位的整数（int），且采样是双份的，也为单声道文件的两倍。采样数据中高八位(左声道)和低八位(右声道)分别代表两个声道。

    由于wav格式文件本质上为音频文件，即可根据文件的大小、采样频率和采样大小估算文件的播放长度。
    更多可查看Microsoft WAVE soundfile format (sapp.org)

  • 相关阅读:
    SpringBoot中过滤器与拦截器的区别
    【优化覆盖】基于matlab果蝇算法求解无线传感器覆盖优化问题【含Matlab源码 2215期】
    Centos7安装Docker
    思科交换机65系列配置
    UML建模语言分析和设计
    C++移动语义
    如何分析伦敦金的价格走势预测？
    Pflag、Viper、Cobra 核心功能介绍
    div和span标签的使用
    自定义构建rpm包
  • 原文地址：https://blog.csdn.net/weixin_44649780/article/details/132672659