Введение в работу с аудиоданными в Python

Обработка устной речи на Python

Daniel Bourke

Machine Learning Engineer/YouTube Creator

Работа с аудиофайлами в Python

  • Различные форматы аудиофайлов

    • mp3
    • wav
    • m4a
    • flac

  • Цифровой звук измеряется в частоте (кГц)

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

Примеры частот

  • Частота потокового аудио — 32 кГц

  • Аудиокниги и разговорная речь — от 8 до 16 кГц

  • Аудиофайлы нельзя просмотреть напрямую — их нужно предварительно 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

Особенности работы с аудио

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

Давайте потренируемся!

Обработка устной речи на Python

Preparing Video For Download...