今天就跟大家聊聊有關(guān)如何進行Python 音頻的數(shù)據(jù)擴充，可能很多人都不太了解，為了讓大家更加了解，小編給大家總結(jié)了以下內(nèi)容，希望大家根據(jù)這篇文章可以有所收獲。
經(jīng)典的深度學習網(wǎng)絡AlexNet使用數(shù)據(jù)擴充（Data Augmentation）的方式擴大數(shù)據(jù)集，取得較好的分類效果。在深度學習的圖像領(lǐng)域中，通過平移、 翻轉(zhuǎn)、加噪等方法進行數(shù)據(jù)擴充。但是，在音頻（Audio）領(lǐng)域中，如何進行數(shù)據(jù)擴充呢？
音頻的數(shù)據(jù)擴充，主要有以下四種方式：
音頻剪裁（Clip）
音頻旋轉(zhuǎn)（Roll）
音頻調(diào)音（Tune）
音頻加噪（Noise）
音頻解析基于librosa音頻庫；矩陣操作基于scipy和numpy科學計算庫。
以下是Python的實現(xiàn)方式：
音頻剪裁
重慶分公司
重慶分公司
import librosafrom scipy.io import wavfile
y, sr = librosa.load("../data/love_illusion.mp3") # 讀取音頻print y.shape, sr
wavfile.write("../data/love_illusion_20s.mp3", sr, y[20 * sr:40 * sr]) # 寫入音頻音頻旋轉(zhuǎn)
import librosaimport numpy as npfrom scipy.io import wavfile
y, sr = librosa.load("../data/raw/love_illusion_20s.mp3") # 讀取音頻y = np.roll(y, sr*10)print y.shape, sr
wavfile.write("../data/raw/xxx_roll.mp3", sr, y) # 寫入音頻音頻調(diào)音，注：cv庫的resize函數(shù)含有插值功能。
import cv2import librosafrom scipy.io import wavfile
y, sr = librosa.load("../data/raw/love_illusion_20s.mp3") # 讀取音頻ly = len(y)
y_tune = cv2.resize(y, (1, int(len(y) * 1.2))).squeeze()
lc = len(y_tune) - ly
y_tune = y_tune[int(lc / 2):int(lc / 2) + ly]print y.shape, sr
wavfile.write("../data/raw/xxx_tune.mp3", sr, y_tune) # 寫入音頻音頻加噪，注：在添加隨機噪聲時，保留0值，否則刺耳難忍！
import librosafrom scipy.io import wavfileimport numpy as np
y, sr = librosa.load("../data/raw/love_illusion_20s.mp3") # 讀取音頻wn = np.random.randn(len(y))
y = np.where(y != 0.0, y + 0.02 * wn, 0.0) # 噪聲不要添加到0上！print y.shape, sr
wavfile.write("../data/raw/love_illusion_20s_w.mp3", sr, y) # 寫入音頻看完上述內(nèi)容，你們對如何進行Python 音頻的數(shù)據(jù)擴充有進一步的了解嗎？如果還想了解更多知識或者相關(guān)內(nèi)容，請關(guān)注創(chuàng)新互聯(lián)-成都網(wǎng)站建設公司行業(yè)資訊頻道，感謝大家的支持。
