在 Python 中认识音频数据

Python 语音语言处理

Daniel Bourke

Machine Learning Engineer/YouTube Creator

在 Python 中处理音频文件

  • 常见音频文件类型

    • mp3
    • wav
    • m4a
    • flac

  • 数字声音用采样频率（kHz）度量

    • 1 kHz = 每秒 1000 条信息
Python 语音语言处理

采样频率示例

  • 流媒体歌曲常用 32 kHz 采样频率

  • 有声书与语音多在 8–16 kHz 之间

  • 音频不可见，需先转换再处理

import wave
Python 语音语言处理

在 Python 中打开音频文件

  • 音频文件名为 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\...
Python 语音语言处理

处理音频的不同之处

  • 需将音频转换为可用表示
  • 小段音频也包含大量信息
Python 语音语言处理

让我们一起练习吧！

Python 语音语言处理

Preparing Video For Download...