我如何阅读文件夹和子文件夹* .wav;和特征提取以输入训练模型？

Question

我有一个主文件夹，其中包含20个子文件夹。并且任何子文件夹都具有6个子文件夹（20个扬声器，任何扬声器语音（* .wav）归为6类）。

我想阅读所有* .wav文件和功能提取。特征提取是我的神经网络训练模型的输入。

我如何阅读所有.wav文件并提取其特征？

所有班级都必须一起训练吗？怎么样？

我从主文件夹读取wav文件的代码如下（但是此代码仅读取一个子文件夹）：

import os
import scipy.io.wavfile as wav

r_dir = '/my path/'

data = []
rate = []
for root,sub,files in os.walk(r_dir):
    files = sorted(files)
    for f in files:
        s_rate, x = wav.read(os.path.join(root, f))
        rate.append(s_rate)
        data.append(x)

对于特征提取，我使用以下代码（我希望对所有子文件夹和wav文件进行特征提取）：

from python_speech_features import fbank
import scipy.io.wavfile as wav

(rate,sig)=wav.read("/my path for one .wav file")
fbank_feat = fbank(sig,rate)

print(fbank_feat)

我很困惑。请逐步帮助我。

谢谢。

Answer 1

glob与pathlib.Path结合使用会更好。

from pathlib import Path

path = Path('D:\\test path').glob('**/*.wav')
wavs = [str(wavf) for wavf in path if wavf.is_file()]

print(wavs)

收益

D:\test path\a..wav
D:\test path\b.wav
D:\test path\sub 1\1a..wav
D:\test path\sub 1\1b.wav
D:\test path\sub 1\nest a\aaa..wav
D:\test path\sub 1\nest a\bbb.wav
D:\test path\sub 2\2a..wav
D:\test path\sub 2\2b.wav

Answer 2

要读取目录和子目录中的所有* .wav文件，可以使用以下命令：

#Read all *.wav files inside dir & sub dir
import xlrd
import os
import scipy.io.wavfile as wav

mydir = (os.getcwd()).replace('\\','/') + '/'

#Get all *wav files include subdir
filelist=[]
for path, subdirs, files in os.walk(mydir):
    for file in files:
        if (file.endswith('.wav') or file.endswith('.WAV')):
            filelist.append(os.path.join(path, file))
number_of_files=len(filelist)
print(filelist)

wav_data=[]
for i in range(number_of_files):
    #extract all *.wav files here
    samplerate, data = wav.read(filelist[i])
    wav_data.append(data)
print(wav_data)

我的目录：

输出：

['D:/SOF/answer30/file_example_WAV_5MG.wav', 'D:/SOF/answer30/subdir1\\file_example_WAV_1MG.wav', 'D:/SOF/answer30/subdir2\\file_example_WAV_2MG.wav']

WAV数据：

[array([[-204,   23],
       [-232,   32],
       [-192,   34],
       ...,
       [4938, 4256],
       [4974, 3977],
       [4734, 3798]], dtype=int16), array([[ -114,    23],
       [ -241,     3],
       [ -285,   -29],
       ...,
       [ -772, -1059],
       [ -422,  -840],
       [ -787,  -314]], dtype=int16), array([[ -139,    18],
       [ -215,    34],
       [ -196,     6],
       ...,
       [ -523,  -563],
       [ -765,  -319],
       [-1002,  -190]], dtype=int16)]