1. 讀取wav文件

使用scipy.io.wavfile

import scipy.io.wavfile as wav
fs, signal = wav.read(filename)

fs是wav文件的采樣率，signal是wav文件的內(nèi)容，filename是要讀取的音頻文件的路徑。我們將signal繪制出來就是下圖這個樣子。

image.png

2. 使用python_speech_features提取特征

①M(fèi)FCC：

默認(rèn)提取的特征維度是13，通常的做法是將該特征進(jìn)行一階差分和二階差分，并將結(jié)果進(jìn)行合并。

from python_speech_features import *
import numpy as np
def get_mfcc(data, fs):
    wav_feature =  mfcc(data, fs)
    d_mfcc_feat = delta(wav_feature, 1)
    d_mfcc_feat2 = delta(wav_feature, 2)
    feature = np.hstack((wav_feature, d_mfcc_feat, d_mfcc_feat2))
    return feature

參數(shù)介紹：
內(nèi)容來源于 金澤夕
https://www.cnblogs.com/zhuimengzhe/p/10223510.html

mfcc：

python_speech_features.base.fbank(signal, samplerate=16000, winlen=0.025, winstep=0.01, nfilt=26, nfft=512, lowfreq=0, highfreq=None, preemph=0.97, winfunc=<function >)

• signal - 需要用來計算特征的音頻信號，應(yīng)該是一個N*1的數(shù)組
• samplerate - 我們用來工作的信號的采樣率
• winlen - 分析窗口的長度，按秒計，默認(rèn)0.025s(25ms)
• winstep - 連續(xù)窗口之間的步長，按秒計，默認(rèn)0.01s（10ms）
• numcep - 倒頻譜返回的數(shù)量，默認(rèn)13
• nfilt - 濾波器組的濾波器數(shù)量，默認(rèn)26
• nfft - FFT的大小，默認(rèn)512
• lowfreq - 梅爾濾波器的最低邊緣，單位赫茲，默認(rèn)為0
• highfreq - 梅爾濾波器的最高邊緣，單位赫茲，默認(rèn)為采樣率/2
• preemph - 應(yīng)用預(yù)加重過濾器和預(yù)加重過濾器的系數(shù)，0表示沒有過濾器，默認(rèn)0.97
• ceplifter - 將升降器應(yīng)用于最終的倒譜系數(shù)。 0沒有升降機(jī)。默認(rèn)值為22。
• appendEnergy - 如果是true，則將第0個倒譜系數(shù)替換為總幀能量的對數(shù)。
• winfunc - 分析窗口應(yīng)用于每個框架。 默認(rèn)情況下不應(yīng)用任何窗口。 你可以在這里使用numpy窗口函數(shù) 例如：winfunc=numpy.hamming
  返回： 一個大小為numcep的numpy數(shù)組，包含著特征，每一行都包含一個特征向量。

delta：

python_speech_features.base.delta(feat, N)

• feat - 一個大小為特征數(shù)量的numpy數(shù)組，每一行都有一個特征向量
• N - 對于每一幀，計算delta特征根據(jù)前后N幀
• 返回：一個大小為特征數(shù)量的numpy數(shù)組，包含有delta特征，每一行都有一個delta向量

②logfbank

def get_fbank(data, fs):
    wav_feature = logfbank(data, fs)
    return wav_feature

參數(shù)介紹：

python_speech_features.base.logfbank(signal, samplerate=16000, winlen=0.025, winstep=0.01, nfilt=26, nfft=512, lowfreq=0, highfreq=None, preemph=0.97)

• signal - 需要用來計算特征的音頻信號，應(yīng)該是一個N*1的數(shù)組
• samplerate - 我們用來工作的信號的采樣率
• winlen - 分析窗口的長度，按秒計，默認(rèn)0.025s(25ms)
• winstep - 連續(xù)窗口之間的步長，按秒計，默認(rèn)0.01s（10ms）
• nfilt - 濾波器組的濾波器數(shù)量，默認(rèn)26
• nfft - FFT的大小，默認(rèn)512
• lowfreq - 梅爾濾波器的最低邊緣，單位赫茲，默認(rèn)為0
• highfreq - 梅爾濾波器的最高邊緣，單位赫茲，默認(rèn)為采樣率/2
• preemph - 應(yīng)用預(yù)加重過濾器和預(yù)加重過濾器的系數(shù)，0表示沒有過濾器，默認(rèn)0.97
• 返回： 一個包含特征的大小為nfilt的numpy數(shù)組，每一行都有一個特征向量