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 częstotliwością próbkowania (kHz)

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

Przykłady częstotliwości próbkowania

  • Utwory w streamingu mają częstotliwość próbkowania 32 kHz

  • Audiobooki i mowa mieszczą się w zakresie 8–16 kHz

  • Plików audio nie widać, więc trzeba je najpierw przekształcić

import wave
Przetwarzanie mowy w Pythonie

Otwieranie pliku audio w Pythonie

  • Plik audio zapisany jako good-morning.wav
    # Wczytaj plik audio jako obiekt wave
good_morning = wave.open("good-morning.wav", "r")

# Przekształć obiekt wave na bajty
good_morning_soundwave = good_morning.readframes(-1)

# Wyświetl plik wav w formie bajtowej
good_morning_soundwave

b'\xfd\xff\xfb\xff\xf8\xff\xf8\xff\xf7\...
Przetwarzanie mowy w Pythonie

Praca z audio to co innego

  • Dźwięk trzeba przekształcić w coś użytecznego
  • Mała próbka audio = ogromna ilość informacji
Przetwarzanie mowy w Pythonie

Czas na praktykę!

Przetwarzanie mowy w Pythonie

Preparing Video For Download...