Question

我遇到了这个很好的教程https://github.com/manashmndl/DeadSimpleSpeechRecognizer，其中根据文件夹分隔的样本训练数据，并立即计算所有mfcc。

我试图以不同的方式实现类似的东西。

基于此：https://librosa.github.io/librosa/generated/librosa.feature.mfcc.html

librosa可以为任何音频计算mfcc。如下：

import librosa  
y, sr = librosa.load('test.wav')
mymfcc= librosa.feature.mfcc(y=y, sr =sr)

但我想根据文件的时间戳，逐个计算音频部分的mfcc。

文件的标签和时间戳如下：

0.0 2.0 sound1
2.0 4.0 sound2
4.0 7.0 silence
7.0 11.0 sound1

我想计算每个范围的mfcc，我希望得到一个看起来像mfcc及其相应标签的标记列车数据。 mfcc_1，sound1 mfcc_2，sound2
等等。

我如何实现这一目标？

我看了generate mfcc's for audio segments based on annotated file，问题很相似，但我发现问题和答案都有些难以理解（因为我对这个领域很新）。

TIA

更新：我的代码：

import librosa
from subprocess import call

def ListDir():
    call(["ls", "-l"])

def main():
    ListDir()
    readfile_return_segmentsmfcc()

my_segments =[]
# reading annotated file
def         readfile_return_segmentsmfcc():

    pat ='000.mp3'
    y, sr = librosa.load(pat)

    print "\n sample rate :"
    print sr

    with open("000.txt", "rb") as f:
        for line in f.readlines():
            start_time, end_time, label = line.split('\t')
            start_time = float(start_time)
            end_time = float(end_time)
            label = label.strip()
            my_segments.append((start_time, end_time, label))

            start_index = librosa.time_to_samples(start_time)
            end_index = librosa.time_to_samples(end_time)

            required_slice = y[start_index:end_index]
            required_mfcc = librosa.feature.mfcc(y=required_slice, sr=sr)
            print "Mfcc size is {} ".format(mfcc.shape)


            print start,end,label


    return my_segments


main()

Answer 1

阅读开始和结束时间：
start=2.0 end=4.0
使用librosa.time_to_samples转换为样本索引：
start_index = librosa.time_to_samples(start)
end_index = librosa.time_to_samples(end)
使用python [:]运算符从数据中获取相关切片：
slice = y[int(start_index):int(end_index)]
在slice上计算mfcc等

根据时间戳计算mfcc不同的时间间隔

1 个答案: