如何進行Python 音頻的數據擴充

今天就跟大家聊聊有關如何進行Python 音頻的數據擴充，可能很多人都不太了解，為了讓大家更加了解，小編給大家總結了以下內容，希望大家根據這篇文章可以有所收獲。

經典的深度學習網絡AlexNet使用數據擴充（Data Augmentation）的方式擴大數據集，取得較好的分類效果。在深度學習的圖像領域中，通過平移、 翻轉、加噪等方法進行數據擴充。但是，在音頻（Audio）領域中，如何進行數據擴充呢？

音頻的數據擴充，主要有以下四種方式：

• 音頻剪裁（Clip）

• 音頻旋轉（Roll）

• 音頻調音（Tune）

• 音頻加噪（Noise）

音頻解析基于librosa音頻庫；矩陣操作基于scipy和numpy科學計算庫。

以下是Python的實現方式：

音頻剪裁

import librosafrom scipy.io import wavfile
y, sr = librosa.load("../data/love_illusion.mp3")  # 讀取音頻print y.shape, sr
wavfile.write("../data/love_illusion_20s.mp3", sr, y[20 * sr:40 * sr])  # 寫入音頻

音頻旋轉

import librosaimport numpy as npfrom scipy.io import wavfile
y, sr = librosa.load("../data/raw/love_illusion_20s.mp3")  # 讀取音頻y = np.roll(y, sr*10)print y.shape, sr
wavfile.write("../data/raw/xxx_roll.mp3", sr, y)  # 寫入音頻

音頻調音，注：cv庫的resize函數含有插值功能。

import cv2import librosafrom scipy.io import wavfile
y, sr = librosa.load("../data/raw/love_illusion_20s.mp3")  # 讀取音頻ly = len(y)
y_tune = cv2.resize(y, (1, int(len(y) * 1.2))).squeeze()
lc = len(y_tune) - ly
y_tune = y_tune[int(lc / 2):int(lc / 2) + ly]print y.shape, sr
wavfile.write("../data/raw/xxx_tune.mp3", sr, y_tune)  # 寫入音頻

音頻加噪，注：在添加隨機噪聲時，保留0值，否則刺耳難忍！

import librosafrom scipy.io import wavfileimport numpy as np
y, sr = librosa.load("../data/raw/love_illusion_20s.mp3")  # 讀取音頻wn = np.random.randn(len(y))
y = np.where(y != 0.0, y + 0.02 * wn, 0.0)  # 噪聲不要添加到0上！print y.shape, sr
wavfile.write("../data/raw/love_illusion_20s_w.mp3", sr, y)  # 寫入音頻

看完上述內容，你們對如何進行Python 音頻的數據擴充有進一步的了解嗎？如果還想了解更多知識或者相關內容，請關注億速云行業資訊頻道，感謝大家的支持。