Wprowadzenie do danych audio w Pythonie

Przetwarzanie mowy w Pythonie

Daniel Bourke

Machine Learning Engineer/YouTube Creator

Praca z plikami audio w Pythonie

  • Różne rodzaje plików audio

    • mp3
    • wav
    • m4a
    • flac

  • Dźwięk cyfrowy mierzony w częstotliwości (kHz)

    • 1 kHz = 1000 próbek informacji na sekundę
Przetwarzanie mowy w Pythonie

Przykłady częstotliwości

  • Strumieniowane piosenki mają częstotliwość 32 kHz

  • Audiobooki i mowa mieszczą się między 8 a 16 kHz

  • Plików audio nie można bezpośrednio oglądać — trzeba je najpierw przekształcić

import wave
Przetwarzanie mowy w Pythonie

Otwieranie pliku audio w Pythonie

  • Plik audio zapisany 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\...
Przetwarzanie mowy w Pythonie

Praca z audio jest inna

  • Audio należy przekonwertować do użytecznej postaci
  • Mała próbka audio = duża ilość informacji
Przetwarzanie mowy w Pythonie

Czas na ćwiczenia!

Przetwarzanie mowy w Pythonie

Preparing Video For Download...