Python における音声データ入門

Pythonで学ぶ音声言語処理

Daniel Bourke

Machine Learning Engineer/YouTube Creator

Python で音声ファイルを扱う

  • 音声ファイルにはさまざまな種類があります

    • mp3
    • wav
    • m4a
    • flac

  • デジタル音声はサンプリング周波数（kHz）で測定します

    • 1 kHz は1秒あたり1000個の情報を意味します
Pythonで学ぶ音声言語処理

サンプリング周波数の例

  • ストリーミング楽曲のサンプリング周波数は32 kHzです

  • オーディオブックや話し言葉は8〜16 kHzです

  • 音声ファイルは目で見えないため、まず変換する必要があります

import wave
Pythonで学ぶ音声言語処理

Python で音声ファイルを開く

  • good-morning.wav として保存された音声ファイル
    # Import audio file as wave object
good_morning = wave.open("good-morning.wav", "r")

# Convert wave object to bytes
good_morning_soundwave = good_morning.readframes(-1)

# View the wav file in byte form
good_morning_soundwave

b'\xfd\xff\xfb\xff\xf8\xff\xf8\xff\xf7\...
Pythonで学ぶ音声言語処理

音声データの扱いは特殊です

  • 音声を使いやすい形式に変換する必要があります
  • 少量の音声サンプルでも情報量は膨大です
Pythonで学ぶ音声言語処理

練習しましょう！

Pythonで学ぶ音声言語処理

Preparing Video For Download...