本文主要是关于语音数据在处理过程中的一些脚本文件以及实例,所有代码只需要更改所需处理的文件路径,输出路径等,全部可运行。
目录
3.1.数据格式:一个文件夹下的长几分多的音频(wav文件)按固定秒数切割
3.2.数据格式:一个文件夹下的长几分多的音频(mp3文件)按固定秒数切割
3.3.数据格式:一个文件夹下的长几分多的音频(wav文件)按语句停顿切割
所需环境
本文环境:Linux
pydub(安装:pip3 install pydub)
ffmpeg(apt install ffmpeg)
方法1:将一整段音频按时间批量切成一个一个音频
数据格式:一个长三分五十秒的音频
# split_wav_time.py
from pydub import AudioSegment
from pydub.utils import make_chunks
audio = AudioSegment.from_file("his_one/1.wav", "wav")
#size = 10000 #切割的毫秒数 10s=10000
size = 60000 #切割的毫秒数 60s=60000
chunks = make_chunks(audio, size) #将文件切割为60s一个
for i, chunk in enumerate(chunks):
chunk_name = "new-{0}.wav".format(i)
print(chunk_name)
chunk.export(chunk_name, format="wav")
运行命令:
python split_wav_time.py
结果:
方法2:将一整段音频按语句停顿批量切成一个一个音频
数据格式:一个长几分多的音频
利用split_on_silence(sound,min_silence_len, silence_thresh, keep_silence=400)函数
第一个参数为待分割音频,第二个为多少秒"没声"代表沉默,第三个为分贝小于多少dBFS时代表沉默,第四个为为截出的每个音频添加多少ms无声
from pydub import AudioSegment
from pydub.silence import split_on_silence
sound = AudioSegment.from_mp3("his_one/1.wav")
loudness = sound.dBFS
#print(loudness)
chunks = split_on_silence(sound,
# must be silent for at least half a second,沉默半秒
min_silence_len=430,
# consider it silent if quieter than -16 dBFS
silence_thresh=-45,
keep_silence=400
)
print('Len:', len(chunks))
# 放弃长度小于2秒的录音片段
for i in list(range(len(chunks)))[::-1]:
if len(chunks[i]) <= 2000 or len(chunks[i]) >= 10000:
chunks.pop(i)
print('取有效分段(大于2s小于10s):', len(chunks))
'''
for x in range(0,int(len(sound)/1000)):
print(x,sound[x*1000:(x+1)*1000].max_dBFS)
'''
for i, chunk in enumerate(chunks):
chunk.export("cutwav_{0}.wav".format(i), format="wav")
#print(i)
结果:
方法3:将一个文件夹内的几整段音频批量切成一个一个音频
3.1.数据格式:一个文件夹下的长几分多的音频(wav文件)按固定秒数切割
from pydub import AudioSegment
from pydub.utils import make_chunks
import os, re
# # 循环目录下所有文件
for each in os.listdir("/workspace/tts/PolyLangVITS/history"): #循环目录
filename = re.findall(r"(.*?)\.wav", each) # 取出.wav后缀的文件名
print(each)
if each:
# filename[0] += '.wav'
# print(filename[0])
mp3 = AudioSegment.from_file('/workspace/tts/PolyLangVITS/history/{}'.format(each), "wav") # 打开mp3文件
# # # mp3[17*1000+500:].export(filename[0], format="mp3") #
size = 15000 # 切割的毫秒数 10s=10000
chunks = make_chunks(mp3, size) # 将文件切割为15s一块
for i, chunk in enumerate(chunks):
chunk_name = "{}-{}.wav".format(each.split(".")[0],i)
print(chunk_name)
chunk.export('/workspace/tts/PolyLangVITS/preprodata/his_out/{}'.format(chunk_name), format="wav")
结果
3.2.数据格式:一个文件夹下的长几分多的音频(mp3文件)按固定秒数切割
from pydub import AudioSegment
from pydub.utils import make_chunks
import os, re
# #
# # 循环目录下所有文件
for each in os.listdir("D:/纯音乐"): #循环目录
filename = re.findall(r"(.*?)\.mp3", each) # 取出.mp3后缀的文件名
print(each)
if each:
# filename[0] += '.wav'
# print(filename[0])
mp3 = AudioSegment.from_file('D:/纯音乐/{}'.format(each), "mp3") # 打开mp3文件
# # # mp3[17*1000+500:].export(filename[0], format="mp3") #
size = 15000 # 切割的毫秒数 10s=10000
chunks = make_chunks(mp3, size) # 将文件切割为15s一块
for i, chunk in enumerate(chunks):
chunk_name = "{}-{}.mp3".format(each.split(".")[0],i)
print(chunk_name)
chunk.export('D:/纯音乐分解/{}'.format(chunk_name), format="mp3")```
3.3.数据格式:一个文件夹下的长几分多的音频(wav文件)按语句停顿切割
# @ Elena
# @ Date : 23.9.4
import os, re
from pydub import AudioSegment
from pydub.silence import split_on_silence
# # 循环目录下所有文件
for each in os.listdir("/workspace/tts/PolyLangVITS/history"):
filename = re.findall(r"(.*?)\.wav", each) # 取出.wav后缀的文件名
print(each)
if each:
sound = AudioSegment.from_file('/workspace/tts/PolyLangVITS/history/{}'.format(each), "wav")
loudness = sound.dBFS
#print(loudness)
chunks = split_on_silence(sound,
# must be silent for at least half a second,沉默半秒
min_silence_len=430,
# consider it silent if quieter than -16 dBFS
silence_thresh=-45,
keep_silence=400
)
print('Len:', len(chunks))
# 放弃长度小于1秒的录音片段
for i in list(range(len(chunks)))[::-1]:
if len(chunks[i]) <= 1000 or len(chunks[i]) >= 10000:
chunks.pop(i)
print('Len (1s~10s wav file):', len(chunks))
'''
for x in range(0,int(len(sound)/1000)):
print(x,sound[x*1000:(x+1)*1000].max_dBFS)
'''
for i, chunk in enumerate(chunks):
chunk_name = "{}-{}.wav".format(each.split(".")[0],i)
chunk.export("/workspace/tts/PolyLangVITS/preprodata/his_out/{}".format(chunk_name), format="wav")
#print(i)
结果
使用 file 查询 wav
(WAV文件格式是Microsoft的RIFF规范的一个子集,用于存储多媒体文件。WAV(RIFF)文件由若干个Chunk组成,分别为: RIFF WAVE Chunk,Format Chunk,Fact Chunk(可选),Data Chunk。具体格式如下:)
扩展
将pcm文件批量处理成wav文件
import wave
import os
filepath = "data/" # 添加路径
filename = os.listdir(filepath) # 得到文件夹下的所有文件名称
#f = wave.open(filepath + filename[1], 'rb')
#print(filename)
for i in range(len(filename)):
with open("data/"+failename[i], 'rb') as pcmfile:
pcmdata = pcmfile.read()
with wave.open("data/"+filename[i][:-3] + '.wav', 'wb') as wavfile:
wavfile.setparams((1, 2, 16000, 0, 'NONE', 'NONE'))
wavfile.writeframes(pcmdata)
Linux下查询文件夹中文件数量的方法
使用ls
命令和wc
命令
使用ls
命令的-l
选项和管道操作符|
结合wc
命令来统计文件数量:
查询当前文件夹下带有"wav"的文件数量
ls -l | grep "wav" | wc -l
WAV格式文件详解
WAV文件格式是Microsoft的RIFF规范的一个子集,用于存储多媒体文件。WAV(RIFF)文件由若干个Chunk组成,分别为: RIFF WAVE Chunk,Format Chunk,Fact Chunk(可选),Data Chunk。具体格式如下:
音频文件参数简介
对于形如44100HZ 16bit stereo 或者 22050HZ 8bit mono参数描述的音频文件,其蕴含的文件参数包括:
采样率:声音信号在"模→数"转换过程中单位时间内采样的次数。
采样值(采样精度):每一次采样周期内声音模拟信号的积分值。
同时,每个采样数据记录的是振幅, 而采样精度取决于储存空间的大小。
对于单声道(mono)文件,采样数据为8位的短整数,同时其采样精度有:
1 字节(8bit) 只能记录 256 个数, 也就是只能将振幅划分成 256 个等级;
2 字节(16bit) 可以细到 65536 个数, 即为 CD 标准;
4 字节(32bit) 能把振幅细分到 4294967296 个等级, 实在是没必要了。
对于双声道立体声(stereo)文件,每次采样数据为一个16位的整数(int),且采样是双份的,也为单声道文件的两倍。采样数据中高八位(左声道)和低八位(右声道)分别代表两个声道。
由于wav格式文件本质上为音频文件,即可根据文件的大小、采样频率和采样大小估算文件的播放长度。