⚠申明： 未经许可，禁止以任何形式转载，若要引用，请标注链接地址。 全文共计3077字，阅读大概需要3分钟
🌈更多学习内容， 欢迎👏关注👀【文末】我的个人微信公众号：不懂开发的程序猿
个人网站：https://jerry-jy.co/

❗❗❗知识付费，🈲止白嫖，有需要请后台私信或【文末】个人微信公众号联系我

加载音频

---

一、任务需求

声音处理，最重要的一步就是加载音频，音频不同于结构化数据，音频没有特定的格式。音频不同于图像，图像可见，音频不可见，因此音频的读取是不同于其他数据格式的（倒是和波等时序数据相似）。在本节实验中，我们将尝试读取音频数据，并了解一些相关知识。

要求：利用librosa等工具掌握音频加载方法

二、任务目标

1、掌握librosa加载音频

2、学习采样率

3、学习读取指定时段音频

三、任务环境

1、jupyter开发环境

2、python3.6

3、tensorflow2.4

四、任务实施过程

1、设置jupyter多行输出

为了方便在同一个代码框打印多个输出，我们先学一个关于jupyter的小技巧

# 设置jupyter为多行输出
from IPython.core.interactiveshell import InteractiveShell 
InteractiveShell.ast_node_interactivity = 'all' #默认为'last'

2、使用librosa加载音频

Librosa是一个用于音频、音乐分析、处理的python工具包,一些常见的时频处理、特征提取、绘制声音图形等功能应有尽有,功能十分强大。读取音频的方式很多，在这里我们使用librosa读取。

import IPython.display as ipd
import librosa

我们使用函数librosa.load读取音频数据，该函数返回值为audio time series，也就是音频数据本身，和sampling rate采样率。所谓采样率，其实就是单位时间内，对声音采集多少个样本点。

filename = '/home/jovyan/datas/sorohanro_-_solo-trumpet-06.ogg'
y, sr = librosa.load(filename)
y
len(y),sr

从结果可以看出，该音频由117601个采样点组成，采样率22050。因此音频的时间长度为:

print('%.2f s'%(117601/22050))

5.33 s

接下来我们将学习如何在jupyter中播放音频

import IPython.display as ipd

ipd.display(ipd.Audio(y, rate=sr,autoplay=False))

3、采样率

正如上文所说，采样率，其实就是单位时间内，对声音采集多少个样本点。

接下来我们将修改读取音频时的采样点，再次读取数据。

# 加载文件并重采样喂 11 KHz
filename = '/home/jovyan/datas/sorohanro_-_solo-trumpet-06.ogg'
y, sr = librosa.load(filename, sr=11025)
y
len(y),sr

array([-8.7455846e-04, -3.3625244e-04, 1.4627776e-04, …,
1.2944984e-05, -1.3008447e-05, 0.0000000e+00], dtype=float32)

(58801, 11025)

可以看到，采样率降低一半，音频采样点也会下降一半$117601/2=58801$，这与我们的预期相同。同时声音的时长并不会发生变化，因为采样点和采样率都降低为原来的一半。为了验证这个结论，我们可以再次播放该声音，你也可以比较一下两次读取的声音是否有差别（可能需要设备和听觉足够灵敏）。

ipd.display(ipd.Audio(y, rate=sr,autoplay=False))

4、读取指定时段音频

给定一段音频，我们可能只需要其中一段。这种情况下，并不需要将完整音频加载进来，然后再使用切片器截取。实际上，librosa已经集成了这种功能，使用方法如下：

# 选取15-20秒的音频
filename = '/home/jovyan/datas/Hungarian_Dance_number_5_-_Allegro_in_F_sharp_minor_(string_orchestra).ogg'
y,sr = librosa.load(filename)
y_clip, sr_clip = librosa.load(filename, offset=15.0, duration=5.0)
len(y),len(y_clip)
sr,sr_clip

(1010880, 110250)

(22050, 22050)

在函数librosa.load中，使用了两个新的参数，offset=15.0, duration=5.0，顾名思义，offset是指时间偏移，duration是指读取时长，因此这句命令的意思是，从音频的15秒开始，读取连续5秒，即读取15-20秒，共五秒的音频。

为了验证是不是这回事，我们先播放全部音频。

ipd.display(ipd.Audio(y, rate=sr,autoplay=False))

然后再播放截取后的音频。

ipd.display(ipd.Audio(y_clip, rate=sr_clip,autoplay=False))

从播放结果看，音频被正确截取了时长。

五、任务小结

本节实验我们学习了使用librosa.load加载音频，同时学习了采样率。

采样率，其实就是单位时间内，对声音采集多少个样本点。

最后我们还学习了如何使用librosa读取指定时段的音频。

–end–

说明

本实验（项目）/论文若有需要，请后台私信或【文末】个人微信公众号联系我