蜜桃av色欲a片精品一区,麻豆aⅴ精品无码一区二区,亚洲人成网站在线播放影院在线,亚洲 素人 字幕 在线 最新

  用python實(shí)現(xiàn)語(yǔ)音端點(diǎn)檢測(cè)(Voice Activity Detection,VAD)

發(fā)布日期：2022/10/11 7:19:28      瀏覽量：

1.準(zhǔn)備環(huán)境
https://github.com/marsbroshok/VAD-python
里面的vad.py文件

2.具體代碼

from vad import VoiceActivityDetector
import wave

if __name__ == "__main__":
    load_file = "test.wav"
    save_file = "process.wav"
    # 獲取vad分割節(jié)點(diǎn)
    v = VoiceActivityDetector(load_file)
    raw_detection = v.detect_speech()
    speech_labels, point_labels = v.convert_windows_to_readible_labels(raw_detection)
    if len(point_labels) != 0:
        # 根據(jù)節(jié)點(diǎn)音頻分割并連接
        data = v.data
        cut_data = []
        Fs = v.rate
        for start, end in point_labels:
            cut_data.extend(data[int(start):int(end)])

        
        # 保存音頻
        f = wave.open(save_file, ’w’)
        nframes = len(cut_data)
        f.setparams((1, 2, Fs, nframes, ’NONE’, ’NONE’))  # 聲道，字節(jié)數(shù)，采樣頻率，*，*
        wavdata = np.array(cut_data)
        wavdata = wavdata.astype(np.int16)
        f.writeframes(wavdata)  # outData
        f.close()

3.部分參數(shù)
vad.py文件

class VoiceActivityDetector():
    """ Use signal energy to detect voice activity in wav file """

    def __init__(self, wave_input_filename):
        self._read_wav(wave_input_filename)._convert_to_mono()
        #沿音頻數(shù)據(jù)移動(dòng) 20 毫秒的窗口。
        self.sample_window = 0.02  # 20 ms 
        self.sample_overlap = 0.01  # 10ms
        #應(yīng)用長(zhǎng)度為 0.5s 的中值濾波器來(lái)平滑檢測(cè)到的語(yǔ)音區(qū)域。
        self.speech_window = 0.5  # half a second
        #計(jì)算語(yǔ)帶能量與窗口總能量的比值。如果比率大于閾值（默認(rèn)為 0.6），則將窗口標(biāo)記為語(yǔ)音
        self.speech_energy_threshold = 0.6  # 60% of energy in voice band    
        #中值濾波器（濾波保留2000-8000hz）
        self.speech_start_band = 2000
        self.speech_end_band = 8000
        self.data_speech = []