python 音频处理重采样、音高提取的操作方法

更新时间：2024年08月02日 09:54:06 作者：io_T_T

这篇文章主要介绍了python 音频处理重采样、音高提取,本文给大家介绍的非常详细,感兴趣的朋友跟随小编一起看看吧

采集数据->采样率调整

使用torchaudio进行重采样（cpu版）
- 首先导入相关包，既然使用torch作为我们的选项，安装torch环境我就不必多说了，如果你不想用torch可以使用后文提到的另一个库

import torch
 import torchaudio
 from torchaudio.transforms import Resample
 from time import time#仅计算时间，不影响主体

使用torchaudio.load导入音频文件
设定目标采样率并构造resample函数
调用构造好的resample函数
调用torchaudio的保存函数

封装一下，总函数【记得先导入】：

def resample_by_cpu():
    file_path = input("please input your file path: ")
    start_time = time()#不影响，可去掉
    y, sr = torchaudio.load(file_path)  #使用torchaudio.load导入音频文件

    target_sample = 32000   #设定目标采样率
    resampler = Resample(orig_freq=sr, new_freq=target_sample)#构造resample函数，输入原始采样率和目标采样率
    resample_misic = resampler(y)                             #调用resample函数

    torchaudio.save("test.mp3", resample_misic, target_sample)#调用torchaudio的保存即可
    print(f"cost :{time() - start_time}s")#不影响，可去掉

最后结果大概是几秒钟这样子

2.使用使用torchaudio进行重采样（gpu版）：

有了上面cpu的基础，其实调用gpu也就更换一下设备，和放入gpu的操作就好了，因此不过多赘述

def resample_use_cuda():

    device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
    start_time = time()
    file_path = input("please input your file path:")
    y, sr = torchaudio.load(file_path)

    y = y.to(device)
    target_sample = 32000
    resampler = Resample(orig_freq=sr, new_freq=target_sample).to(device)
    resample_misic = resampler(y)
    torchaudio.save("test.mp3", resample_misic.to('cpu'), target_sample)    #这里注意要把结果从gpu中拿出来到cpu，不然会报错。
    print(f"cost :{time() - start_time}s")

时间方面嘛，单个音频多了放入gpu取出gpu的步骤肯定会稍慢的，但是跑过cuda都知道它的强大，更多是用于后续的操作说是。

3.使用librosa库进行重采样

具体步骤：

导入两个库文件，librosa和音频文件读写库soundfile

import librosa
import soundfile as sf
from time import time#仅计算时间，不影响主体

导入音频文件
设定目标采样率
重采样
输出

综合封装成函数：

def resample_by_lisa():
    file_path = input("please input your file path:")
    start_time = time()
    y, sr = librosa.load(file_path)     #使用librosa导入音频文件
    target_sample_rate = 32000
    y_32k = librosa.resample(y=y, orig_sr=sr, target_sr=target_sample_rate)         #使用librosa进行重采样至目标采样率
    sf.write("test_lisa.mp3", data=y_32k, samplerate=target_sample_rate)        #使用soundfile进行文件写入
    print(f"cost :{time() - start_time}s")

总结：

优点，简单小巧，ibrosa有很多能处理音频的功能
缺点：无法调用cuda，保存的时候需要依赖soundfile库。
时间：也是几秒左右，和torchaudiocpu版差不多
小声bb：提取32k的效果好像没有torchaudio好【嘛，毕竟librosa历史有点久了，没有专注深度学习的torch好很正常啦】，你们也可以自己测一下

all code：

import torch
import torchaudio
from torchaudio.transforms import Resample
import librosa
import soundfile as sf
from time import time

def resample_by_cpu():
    file_path = input("please input your file path: ")
    start_time = time()
    y, sr = torchaudio.load(file_path)  #使用torchaudio.load导入音频文件

    target_sample = 32000   #设定目标采样率
    resampler = Resample(orig_freq=sr, new_freq=target_sample)#构造resample函数，输入原始采样率和目标采样率
    resample_misic = resampler(y)                             #调用resample函数

    torchaudio.save("test.mp3", resample_misic, target_sample)#调用torchaudio的保存即可
    print(f"cost :{time() - start_time}s")
def resample_use_cuda():

    device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
    start_time = time()
    file_path = input("please input your file path:")
    y, sr = torchaudio.load(file_path)

    y = y.to(device)
    target_sample = 32000
    resampler = Resample(orig_freq=sr, new_freq=target_sample).to(device)
    resample_misic = resampler(y)
    torchaudio.save("test.mp3", resample_misic.to('cpu'), target_sample)
    print(f"cost :{time() - start_time}s")

def resample_by_lisa():
    file_path = input("please input your file path:")
    start_time = time()
    y, sr = librosa.load(file_path)#使用librosa导入音频文件
    target_sample_rate = 32000
    y_32k = librosa.resample(y=y, orig_sr=sr, target_sr=target_sample_rate)#使用librosa进行重采样至目标采样率
    sf.write("test_lisa.mp3", data=y_32k, samplerate=target_sample_rate)#使用soundfile进行文件写入
    print(f"cost :{time() - start_time}s")

if __name__ == '__main__':
    resample_use_cuda()
    resample_by_cpu()
    resample_by_lisa()

2.2 提取pitch基频特征【音高提取】

使用torchaudio进行基频特征提取

其实主要使用的这个函数：torchaudio.transforms._transforms.PitchShift

让我们来看看它官方的example，仿照着来写就好啦

>>> waveform, sample_rate = torchaudio.load("test.wav", normalize=True)
>>> transform = transforms.PitchShift(sample_rate, 4)
>>> waveform_shift = transform(waveform)  # (channel, time)

步骤：

导入依赖

import torchaudio
import torchaudio.transforms as Tf
import matplotlib.pyplot as plt     #画图依赖

导入音频
构造PitchShift
使用这个函数对歌曲进行基频提取

code：

def get_pitch_by_torch():
    file_path = input("file path:")
    y, sr = torchaudio.load(file_path)
    """specimen:
    >>> waveform, sample_rate = torchaudio.load("test.wav", normalize=True)
    >>> transform = transforms.PitchShift(sample_rate, 4)
    >>> waveform_shift = transform(waveform)  # (channel, time)
    """
    pitch_tf = Tf.PitchShift(sample_rate=sr, n_steps=0)
    feature = pitch_tf(y)
    # 绘制基频特征 这部分可以忽略，只是画图而已，可以直接复制不用理解
    plt.figure(figsize=(16, 5))
    plt.plot(feature[0].numpy(), label='Pitch')
    plt.xlabel('Frame')
    plt.ylabel('Frequency (Hz)')
    plt.title('Pitch Estimation')
    plt.legend()
    plt.show()

输出图片【总歌曲】效果：

将输出的范围稍微改一下，切分特征的一部分，就是歌曲部分的音高特征啦，效果就很明显了

改为：plt.plot(feature[0][5000:10000].numpy(), label='Pitch')

使用librosa提取基频特征

步骤：
- 导入包
- 提取基频特征
- （可选）绘制基频特征

主要函数：librosa.pyin，请见官方example

#Computing a fundamental frequency (F0) curve from an audio input
>>> y, sr = librosa.load(librosa.ex('trumpet'))
>>> f0, voiced_flag, voiced_probs = librosa.pyin(y,
... sr=sr,
... fmin=librosa.note_to_hz('C2'),
... fmax=librosa.note_to_hz('C7'))
>>> times = librosa.times_like(f0, sr=sr)

code：

def get_pitch_by_librosa():

    file_path = input("请输入音频文件路径：")
    y, sr = librosa.load(file_path)
    """librosa.pyin(y,sr=sr,fmin=librosa.note_to_hz('C2'),fmax=librosa.note_to_hz('C7'))"""
    # 使用pyin提取基频特征
    f0, voiced_flag, voiced_probs = librosa.pyin(y, sr=sr, fmin=librosa.note_to_hz('C2'), fmax=librosa.note_to_hz('C7'))

    # 绘制基频特征,可忽略
    plt.figure(figsize=(14, 5))
    librosa.display.waveshow(y, sr=sr, alpha=0.5)
    plt.plot(librosa.times_like(f0), f0, label='f0 (fundamental frequency)', color='r')
    plt.xlabel('Time (s)')
    plt.ylabel('Frequency (Hz)')
    plt.title('Pitch (fundamental frequency) Estimation')
    plt.legend()
    plt.show()

总结：

比torchaudio略微麻烦一点，不过多了两个参数 voiced_flag, voiced_probs，看起来的视觉图好像也有些不一样，不过都是按照官方的这个来了，这也不对的话我也不会了

输出：

all code：

import torchaudio
import torchaudio.transforms as Tf
import matplotlib.pyplot as plt
import librosa
def get_pitch_by_torch():
    file_path = input("file path:")
    y, sr = torchaudio.load(file_path)
    """specimen:
    >>> waveform, sample_rate = torchaudio.load("test.wav", normalize=True)
    >>> transform = transforms.PitchShift(sample_rate, 4)
    >>> waveform_shift = transform(waveform)  # (channel, time)
    """
    pitch_tf = Tf.PitchShift(sample_rate=sr, n_steps=0)
    feature = pitch_tf(y)
    # 绘制基频特征
    plt.figure(figsize=(16, 5))
    plt.plot(feature[0][5000:10000].numpy(), label='Pitch')
    plt.xlabel('Frame')
    plt.ylabel('Frequency (Hz)')
    plt.title('Pitch Estimation')
    plt.legend()
    plt.show()
def get_pitch_by_librosa():

    file_path = input("请输入音频文件路径：")
    y, sr = librosa.load(file_path)
    """librosa.pyin(y,sr=sr,fmin=librosa.note_to_hz('C2'),fmax=librosa.note_to_hz('C7'))"""
    # 使用pyin提取基频特征
    f0, voiced_flag, voiced_probs = librosa.pyin(y, sr=sr, fmin=librosa.note_to_hz('C2'), fmax=librosa.note_to_hz('C7'))

    # 绘制基频特征,可忽略
    plt.figure(figsize=(14, 5))
    librosa.display.waveshow(y, sr=sr, alpha=0.5)
    plt.plot(librosa.times_like(f0), f0, label='f0 (fundamental frequency)', color='r')
    plt.xlabel('Time (s)')
    plt.ylabel('Frequency (Hz)')
    plt.title('Pitch (fundamental frequency) Estimation')
    plt.legend()
    plt.show()
if __name__ == '__main__':
    # get_pitch_by_torch()
    # get_pitch_by_librosa()

后续PPG特征、vec特征见下一章

到此这篇关于python 音频处理重采样、音高提取的文章就介绍到这了,更多相关python 音频重采样内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

您可能感兴趣的文章:

Python递归生成全排列序列实操
这篇文章主要介绍了Python递归生成全排列序列实操,文章给予Python递归的相关资料展开对全排列序列的实现介绍，需要的小伙伴可以参考一下
2022-04-04
详解python的super()的作用和原理
这篇文章主要介绍了python的super()的作用和原理，super(), 在类的继承里面super()非常常用，它解决了子类调用父类方法的一些问题，父类多次被调用时只执行一次，优化了执行逻辑，下面我们就来详细看一下
2020-10-10
Python如何在循环内使用list.remove()
这篇文章主要介绍了Python如何在循环内使用list.remove(),文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
2020-06-06
基于Python的接口自动化读写excel文件的方法
这篇文章主要介绍了基于Python的接口自动化读写excel文件,本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下
2021-01-01
Python OpenCV 调用摄像头并截图保存功能的实现代码
这篇文章主要介绍了Python OpenCV 调用摄像头并截图保存功能，本文通过两段实例代码给大家介绍的非常详细，具有一定的参考借鉴价值,需要的朋友可以参考下
2019-07-07
利用Python发送 10 万个 http 请求
这篇文章主要介绍了如何利用Python发送 10 万个 http 请求，下面我们讲利用Python写代码实现10 万个 url，对每个 url 发送 http 请求，并打印请求结果的状态码,需要的朋友可以参考一下
2021-12-12
python 序列解包的多种形式及用法解析
这篇文章主要介绍了python 序列解包的多种形式及用法解析，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教
2021-05-05
用Python实现给Word文档盖章
大家好，本篇文章主要讲的是用Python实现给Word文档盖章，感兴趣的同学赶快来看一看吧，对你有帮助的话记得收藏一下
2022-02-02
python实现根据文件关键字进行切分为多个文件的示例
今天小编就为大家分享一篇python实现根据文件关键字进行切分为多个文件的示例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2018-12-12
基于Python绘制美观动态圆环图、饼图
这篇文章主要介绍了基于Python制作美观动态圆环图、饼图,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
2020-06-06

python 音频处理重采样、音高提取的操作方法

采集数据->采样率调整

相关文章

最新评论

大家感兴趣的内容

最近更新的内容

常用在线小工具