Введение в аудиоданные в Python

Обработка устной речи на Python

Daniel Bourke

Machine Learning Engineer/YouTube Creator

Работа с аудиофайлами в Python

  • Разные форматы аудиофайлов

    • mp3
    • wav
    • m4a
    • flac

  • Цифровой звук измеряется в частоте дискретизации (кГц)

    • 1 кГц = 1000 единиц информации в секунду
Обработка устной речи на Python

Примеры частоты дискретизации

  • Стриминговые песни имеют частоту дискретизации 32 кГц

  • Аудиокниги и речь — от 8 до 16 кГц

  • Аудиофайлы нельзя увидеть напрямую, поэтому их нужно сначала преобразовать

import wave
Обработка устной речи на Python

Открытие аудиофайла в Python

  • Аудиофайл сохранён как 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\...
Обработка устной речи на Python

Аудио требует особого подхода

  • Аудио нужно преобразовать в удобный формат
  • Небольшой фрагмент аудио = большой объём информации
Обработка устной речи на Python

Давайте потренируемся!

Обработка устной речи на Python

Preparing Video For Download...