Python 音频数据简介

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

  • 数字声音以频率（kHz）计量

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

频率示例

  • 流媒体歌曲常见频率为 32 kHz

  • 有声书与语音多在 8–16 kHz

  • 音频不可见，需先转换为可处理形式

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
    # 以 wave 对象导入音频文件
good_morning = wave.open("good-morning.wav", "r")

# 将 wave 对象转换为字节
good_morning_soundwave = good_morning.readframes(-1)

# 以字节形式查看 wav 文件
good_morning_soundwave

b'\xfd\xff\xfb\xff\xf8\xff\xf8\xff\xf7\...
Python 语音语言处理

处理音频的方法不同

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

Let's practice!

Python 语音语言处理

Preparing Video For Download...