语音识别--单声道转换与降采样

⚠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

单声道转换与降采样

---

一、任务需求

在本实验中，我们将通过平均跨通道的样本将音频信号转换为单声道。

从应用的角度上看，多声道转单声道，与降采样都可以有效降低音频的大小，当然，伴随而来的是质量下降。但很多情况下，并不是越清晰的音频越好，因此单声道转换和降采样就能够派上大用途了。

要求：在librosa中，使用函数librosa.to_mono实现单声道转换的功能。

二、任务目标

1、掌握单声道转化方法

2、掌握音频降采样方法

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、单声道转换

import librosa

filename = '/home/jovyan/datas/sorohanro_-_solo-trumpet-06.hq.ogg'

y, sr = librosa.load(filename, mono=False)
y.shape

(2, 117601)

从音频的shape上看得出来，这是一个双声道的音频。

为了让你能看的更加清晰，对声道变换理解的更加透彻，我们在这里将双声道声波绘制出来。

import matplotlib.pyplot as plt

plt.figure(figsize=(15,5))
# 绘制双声道声波第一个通道
plt.subplot(2,1,1)
plt.plot(y[0,:1000])
# 绘制双声道声波第二个通道
plt.subplot(2,1,2)
plt.plot(y[1,:1000],c='g')

这是同一个音频文件的双声道声波图，接下来我们要将双声道音频，转化为单声道。转化方法非常简单，通过librosa.to_mono就可以实现。

y_mono = librosa.to_mono(y)
y_mono.shape

(117601,)

plt.figure(figsize=(15,2))
# 将双声道合并为一个通道
plt.plot(y_mono[:1000],c='r')

2、降采样

filename = '/home/jovyan/datas/sorohanro_-_solo-trumpet-06.ogg'

# 获取采样率
sr = librosa.get_samplerate(filename)
sr

22050

y, sr = librosa.load(filename, sr=sr, mono=False) len(y),sr

(117601, 22050)

# 使用resample降采样
y_8k = librosa.resample(y, sr, 8000)
y.shape, y_8k.shape

((117601,), (42668,))

可以看到，经过librosa.resample降采样后的音频采样点，从117601降低到42668，降低一半还多。

当然，降采样的采样率并不能随意减少，想象一下，一个音频文件，只有一个采样点会怎样？所以通常来说，在音频的一个最小周期上，至少要保证两个采样点才可以。

为了比较降采样前后的变化，我们播放两个声音。

import IPython.display as ipd

ipd.display(ipd.Audio(y,rate=22050))

ipd.display(ipd.Audio(y_8k,rate=8000))

听起来好像并没什么不同，为了加强确认，我们画出波形图看一看。

plt.figure(figsize=(14,4))
plt.subplot(211)
plt.plot(y)
plt.subplot(212)
plt.plot(y_8k)

五、任务小结

本节实验我们学习了如何将双声道转换为单声道，并学习了音频降采样方法。

从波形图上看，两个声音在细微上还是存在一些不同，但差距不大，如果并不是特别追求音频质量的话，显然8k音频也是能用的，最关键的是，文件大小缩小了一半有余。

–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