Úvod do zvukových dat v Pythonu

Zpracování mluveného jazyka v Pythonu

Daniel Bourke

Machine Learning Engineer/YouTube Creator

Práce se zvukovými soubory v Pythonu

  • Různé typy zvukových souborů

    • mp3
    • wav
    • m4a
    • flac

  • Digitální zvuk měřen ve frekvenci (kHz)

    • 1 kHz = 1000 vzorků za sekundu
Zpracování mluveného jazyka v Pythonu

Příklady frekvencí

  • Streamovaná hudba má frekvenci 32 kHz

  • Audioknihy a mluvené slovo jsou mezi 8 a 16 kHz

  • Zvukové soubory nelze přímo zobrazit – je třeba je nejprve převést

import wave
Zpracování mluveného jazyka v Pythonu

Otevření zvukového souboru v Pythonu

  • Zvukový soubor uložen jako good-morning.wav
    # 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\...
Zpracování mluveného jazyka v Pythonu

Práce se zvukem je odlišná

  • Zvuk je nutné převést do použitelné podoby
  • Krátký zvukový úsek obsahuje velké množství informací
Zpracování mluveného jazyka v Pythonu

Pojďme si procvičit!

Zpracování mluveného jazyka v Pythonu

Preparing Video For Download...