wordpress课程总结焦作seo推广

        在处理音频样本时，往往我们的音频样本由于录制设备，环境，人发音的音量大小的不同影响，会造成音频响度不统一，分布在一个不同的响度值域上。为了让语音模型更好的学习音频特征，就有必要对音频的响度进行归一化处理，控制在一定的响度值域。

代码实现如下：

# -*- coding: utf-8 -*-
# date:2024
# Author: DataBall
# function: 音频响度归一化import librosa
import soundfile as sf
import pyloudnorm as pyln
import numpy as npdef get_audio_loudness(voice,sr):# 计算音频的响度（以分贝为单位）meter = pyln.Meter(sr)loudness = meter.integrated_loudness(voice)return loudness
def change_audio_loudness(voice,sr,origin_loudness,target_loudness,path_out):# 归一化音频到目标响度normalized_wav = pyln.normalize.loudness(voice,origin_loudness,target_loudness)# 如果归一化后的音频振幅超过1，需要进一步归一化if np.abs(normalized_wav).max() > 1.0:normalized_wav = normalized_wav / np.abs(normalized_wav).max()# 保存归一化后的音频sf.write(path_out, normalized_wav, sr)print("保存归一化后的音频:{}".format(path_out))if __name__ == "__main__":path_audio_origin = 'audio/m_16.wav'y, sr = librosa.load(path_audio_origin, sr=None) # 加载音频文件,返回音频数据和采样率print("音频采样率：{}".format(sr))origin_loudness = get_audio_loudness(y,sr)print("原音频响度 : {:.5f}".format(origin_loudness))target_loudness = -20 # 目标响度path_audio_out = "audio/normalized_audio.wav"change_audio_loudness(y,sr,origin_loudness,target_loudness,path_audio_out)#---------------------- 读取修改后的音频的响度信息y2, sr2 = librosa.load(path_audio_out, sr=None)loudness2 = get_audio_loudness(y2,sr2)print("调整后音频响度 loudness: {:.5f}".format(loudness2))

对于的运行log如下：

音频采样率：16000
原音频响度 : -35.06912
保存归一化后的音频:audio/normalized_audio.wav
调整后音频响度 loudness: -20.00000

​​

助力快速掌握数据集的信息和使用方式。

数据也可如此美好！