Introducere în datele audio cu Python

Procesarea limbajului vorbit în Python

Daniel Bourke

Machine Learning Engineer/YouTube Creator

Lucrul cu fișiere audio în Python

  • Mai multe tipuri de fișiere audio

    • mp3
    • wav
    • m4a
    • flac

  • Sunetul digital se măsoară în frecvență de eșantionare (kHz)

    • 1 kHz = 1000 de informații pe secundă
Procesarea limbajului vorbit în Python

Exemple de frecvență de eșantionare

  • Melodiile de streaming au o frecvență de eșantionare de 32 kHz

  • Audiobook-urile și vorbirea sunt între 8 și 16 kHz

  • Nu putem vedea fișierele audio, așa că trebuie să le transformăm întâi

import wave
Procesarea limbajului vorbit în Python

Deschiderea unui fișier audio în Python

  • Fișier audio salvat ca 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\...
Procesarea limbajului vorbit în Python

Lucrul cu audio e diferit

  • Trebuie să convertim audio în ceva util
  • Un eșantion mic de audio = cantitate mare de informații
Procesarea limbajului vorbit în Python

Hai să exersăm!

Procesarea limbajului vorbit în Python

Preparing Video For Download...