Úvod do zvukových dat v Pythonu

Zpracování mluveného jazyka v Pythonu

Daniel Bourke

Machine Learning Engineer/YouTube Creator

Práce se zvukovými soubory v Pythonu

  • Existuje mnoho typů zvukových souborů

    • mp3
    • wav
    • m4a
    • flac

  • Digitální zvuk se měří vzorkovací frekvencí (kHz)

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

Příklady vzorkovací frekvence

  • Streamované skladby mají vzorkovací frekvenci 32 kHz

  • Audioknihy a mluvené slovo se pohybují mezi 8 a 16 kHz

  • Zvukové soubory nevidíme, takže je musíme nejdřív převést

import wave
Zpracování mluveného jazyka v Pythonu

Otevření zvukového souboru v Pythonu

  • Zvukový soubor uložený 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 jiná

  • Zvuk musíme převést na něco použitelného
  • Malý úsek zvuku = velké množství informací
Zpracování mluveného jazyka v Pythonu

Pojďme cvičit!

Zpracování mluveného jazyka v Pythonu

Preparing Video For Download...