Introduktion till ljuddata i Python

Taligenkänning i Python

Daniel Bourke

Machine Learning Engineer/YouTube Creator

Att arbeta med ljudfiler i Python

  • Olika typer av ljudfiler

    • mp3
    • wav
    • m4a
    • flac

  • Digitalt ljud mäts i samplingsfrekvens (kHz)

    • 1 kHz = 1 000 informationsenheter per sekund
Taligenkänning i Python

Exempel på samplingsfrekvens

  • Strömmade låtar har en samplingsfrekvens på 32 kHz

  • Ljudböcker och talat språk ligger mellan 8 och 16 kHz

  • Vi kan inte se ljudfiler, så vi måste omvandla dem först

import wave
Taligenkänning i Python

Öppna en ljudfil i Python

  • Ljudfil sparad som 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\...
Taligenkänning i Python

Att arbeta med ljud är annorlunda

  • Ljudet måste omvandlas till något användbart
  • Ett litet ljudurval = stor mängd information
Taligenkänning i Python

Nu kör vi en övning!

Taligenkänning i Python

Preparing Video For Download...