經(jīng)典的深度學(xué)習(xí)網(wǎng)絡(luò)AlexNet使用數(shù)據(jù)擴(kuò)充（Data Augmentation）的方式擴(kuò)大數(shù)據(jù)集，取得較好的分類效果。在深度學(xué)習(xí)的圖像領(lǐng)域中，通過平移、 翻轉(zhuǎn)、加噪等方法進(jìn)行數(shù)據(jù)擴(kuò)充。但是，在音頻（Audio）領(lǐng)域中，如何進(jìn)行數(shù)據(jù)擴(kuò)充呢？

Audio

音頻的數(shù)據(jù)擴(kuò)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）

音頻處理基于librosa音頻庫；矩陣操作基于scipy和numpy科學(xué)計(jì)算庫。

以下是Python的實(shí)現(xiàn)方式：

音頻剪裁

import librosa from scipy.io import wavfiley, 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 librosa import numpy as np from scipy.io import wavfiley, 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

''' 遇到問題沒人解答？小編創(chuàng)建了一個(gè)Python學(xué)習(xí)交流QQ群：778463939 尋找有志同道合的小伙伴，互幫互助,群里還有不錯(cuò)的視頻學(xué)習(xí)教程和PDF電子書！ ''' import cv2 import librosa from scipy.io import wavfiley, 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) # 寫入音頻

音頻加噪，注意：在添加隨機(jī)噪聲時(shí)，保留0值，否則刺耳難忍！

import librosa from scipy.io import wavfile import numpy as npy, 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

總結(jié)

以上是生活随笔為你收集整理的Python 音频数据扩充的技巧的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。