聲音的本質(zhì)是震動，震動的本質(zhì)是位移關(guān)于時間的函數(shù)，波形文件(.wav)中記錄了不同采樣時刻的位移。
通過傅里葉變換，可以將時間域的聲音函數(shù)分解為一系列不同頻率的正弦函數(shù)的疊加，通過頻率譜線的特殊分布，建立音頻內(nèi)容和文本的對應(yīng)關(guān)系，以此作為模型訓(xùn)練的基礎(chǔ)。
案例：畫出語音信號的波形和頻率分布，（freq.wav數(shù)據(jù)地址）
# -*- encoding:utf-8 -*-
import numpy as np
import numpy.fft as nf
import scipy.io.wavfile as wf
import matplotlib.pyplot as plt
sample_rate, sigs = wf.read('../machine_learning_date/freq.wav')
print(sample_rate) # 8000采樣率
print(sigs.shape) # (3251,)
sigs = sigs / (2 ** 15) # 歸一化
times = np.arange(len(sigs)) / sample_rate
freqs = nf.fftfreq(sigs.size, 1 / sample_rate)
ffts = nf.fft(sigs)
pows = np.abs(ffts)
plt.figure('Audio')
plt.subplot(121)
plt.title('Time Domain')
plt.xlabel('Time', fontsize=12)
plt.ylabel('Signal', fontsize=12)
plt.tick_params(labelsize=10)
plt.grid(linestyle=':')
plt.plot(times, sigs, c='dodgerblue', label='Signal')
plt.legend()
plt.subplot(122)
plt.title('Frequency Domain')
plt.xlabel('Frequency', fontsize=12)
plt.ylabel('Power', fontsize=12)
plt.tick_params(labelsize=10)
plt.grid(linestyle=':')
plt.plot(freqs[freqs >= 0], pows[freqs >= 0], c='orangered', label='Power')
plt.legend()
plt.tight_layout()
plt.show()
語音識別
梅爾頻率倒譜系數(shù)(MFCC)通過與聲音內(nèi)容密切相關(guān)的13個特殊頻率所對應(yīng)的能量分布，可以使用梅爾頻率倒譜系數(shù)矩陣作為語音識別的特征。基于隱馬爾科夫模型進(jìn)行模式識別，找到測試樣本最匹配的聲音模型，從而識別語音內(nèi)容。
MFCC
梅爾頻率倒譜系數(shù)相關(guān)API：
import scipy.io.wavfile as wf
import python_speech_features as sf
sample_rate, sigs = wf.read('../data/freq.wav')
mfcc = sf.mfcc(sigs, sample_rate)
案例：畫出MFCC矩陣：
python -m pip install python_speech_features
import scipy.io.wavfile as wf
import python_speech_features as sf
import matplotlib.pyplot as mp
sample_rate, sigs = wf.read(
'../ml_data/speeches/training/banana/banana01.wav')
mfcc = sf.mfcc(sigs, sample_rate)
mp.matshow(mfcc.T, cmap='gist_rainbow')
mp.show()
隱馬爾科夫模型
隱馬爾科夫模型相關(guān)API：
import hmmlearn.hmm as hl
model = hl.GaussianHMM(n_components=4, covariance_type='diag', n_iter=1000)
# n_components: 用幾個高斯分布函數(shù)擬合樣本數(shù)據(jù)
# covariance_type: 相關(guān)矩陣的輔對角線進(jìn)行相關(guān)性比較
# n_iter: 最大迭代上限
model.fit(mfccs) # 使用模型匹配測試mfcc矩陣的分值 score = model.score(test_mfccs)
案例：訓(xùn)練training文件夾下的音頻，對testing文件夾下的音頻文件做分類
1、讀取training文件夾中的訓(xùn)練音頻樣本，每個音頻對應(yīng)一個mfcc矩陣，每個mfcc都有一個類別（apple）。
2、把所有類別為apple的mfcc合并在一起，形成訓(xùn)練集。
| mfcc | ??? |
| mfcc | apple |
| mfcc | ??? |
.....
由上述訓(xùn)練集樣本可以訓(xùn)練一個用于匹配apple的HMM。
3、訓(xùn)練7個HMM分別對應(yīng)每個水果類別。 保存在列表中。
4、讀取testing文件夾中的測試樣本，整理測試樣本
| mfcc | apple |
| mfcc | lime?? |
?
5、針對每一個測試樣本：
1、分別使用7個HMM模型，對測試樣本計算score得分。
2、取7個模型中得分最高的模型所屬類別作為預(yù)測類別。
import os
import numpy as np
import scipy.io.wavfile as wf
import python_speech_features as sf
import hmmlearn.hmm as hl
?
#1. 讀取training文件夾中的訓(xùn)練音頻樣本，每個音頻對應(yīng)一個mfcc矩陣，每個mfcc都有一個類別（apple）。
def search_file(directory):
# 使傳過來的directory匹配當(dāng)前操作系統(tǒng)
# {'apple':[url, url, url ... ], 'banana':[...]}
directory = os.path.normpath(directory)
objects = {}
# curdir：當(dāng)前目錄
# subdirs: 當(dāng)前目錄下的所有子目錄
# files: 當(dāng)前目錄下的所有文件名
for curdir, subdirs, files in os.walk(directory):
for file in files:
if file.endswith('.wav'):
label = curdir.split(os.path.sep)[-1]
if label not in objects:
objects[label] = []
# 把路徑添加到label對應(yīng)的列表中
path = os.path.join(curdir, file)
objects[label].append(path)
return objects
?
#讀取訓(xùn)練集數(shù)據(jù)
train_samples = \
search_file('../ml_data/speeches/training')
?
'''
2. 把所有類別為apple的mfcc合并在一起，形成訓(xùn)練集。
| mfcc | |
| mfcc | apple |
| mfcc | |
.....
由上述訓(xùn)練集樣本可以訓(xùn)練一個用于匹配apple的HMM。
'''
train_x, train_y = [], []
# 遍歷7次 apple/banana/...
for label, filenames in train_samples.items():
mfccs = np.array([])
for filename in filenames:
sample_rate, sigs = wf.read(filename)
mfcc = sf.mfcc(sigs, sample_rate)
if len(mfccs)==0:
mfccs = mfcc
else:
mfccs = np.append(mfccs, mfcc, axis=0)
train_x.append(mfccs)
train_y.append(label)
'''
訓(xùn)練集:
train_x train_y
----------------
| mfcc | |
| mfcc | apple |
| mfcc | |
----------------
| mfcc | |
| mfcc | banana |
| mfcc | |
-----------------
| mfcc | |
| mfcc | lime |
| mfcc | |
-----------------
'''
# {'apple':object, 'banana':object ...}
models = {}
for mfccs, label in zip(train_x, train_y):
model = hl.GaussianHMM(n_components=4,
covariance_type='diag', n_iter=1000)
models[label] = model.fit(mfccs)
'''
4. 讀取testing文件夾中的測試樣本，針對每一個測試樣本：
?? 1. 分別使用7個HMM模型，對測試樣本計算score得分。
?? 2. 取7個模型中得分最高的模型所屬類別作為預(yù)測類別。
'''
#讀取測試集數(shù)據(jù)
test_samples = \
search_file('../ml_data/speeches/testing')
?
test_x, test_y = [], []
for label, filenames in test_samples.items():
mfccs = np.array([])
for filename in filenames:
sample_rate, sigs = wf.read(filename)
mfcc = sf.mfcc(sigs, sample_rate)
if len(mfccs)==0:
mfccs = mfcc
else:
mfccs = np.append(mfccs, mfcc, axis=0)
test_x.append(mfccs)
test_y.append(label)
?
'''測試集：
test_x test_y
-----------------
| mfcc | apple |
-----------------
| mfcc | banana |
-----------------
| mfcc | lime |
-----------------
'''
pred_test_y = []
for mfccs in test_x:
# 判斷mfccs與哪一個HMM模型更加匹配
best_score, best_label = None, None
for label, model in models.items():
score = model.score(mfccs)
if (best_score is None) or (best_score
聲音合成
根據(jù)需求獲取某個聲音的模型頻域數(shù)據(jù)，根據(jù)業(yè)務(wù)需要可以修改模型數(shù)據(jù)，逆向生成時域數(shù)據(jù)，完成聲音的合成。
案例：
import json
import numpy as np
import scipy.io.wavfile as wf
with open('../data/12.json', 'r') as f:
freqs = json.loads(f.read())
tones = [
('G5', 1.5),
('A5', 0.5),
('G5', 1.5),
('E5', 0.5),
('D5', 0.5),
('E5', 0.25),
('D5', 0.25),
('C5', 0.5),
('A4', 0.5),
('C5', 0.75)]
sample_rate = 44100
music = np.empty(shape=1)
for tone, duration in tones:
times = np.linspace(0, duration, duration * sample_rate)
sound = np.sin(2 * np.pi * freqs[tone] * times)
music = np.append(music, sound)
music *= 2 ** 15
music = music.astype(np.int16)
wf.write('../data/music.wav', sample_rate, music)
總結(jié)
以上所述是小編給大家介紹的Python實現(xiàn)語音識別和語音合成功能,希望對大家有所幫助，如果大家有任何疑問請給我留言，小編會及時回復(fù)大家的。在此也非常感謝大家對腳本之家網(wǎng)站的支持！
如果你覺得本文對你有幫助，歡迎轉(zhuǎn)載，煩請注明出處，謝謝！
更多文章、技術(shù)交流、商務(wù)合作、聯(lián)系博主
微信掃碼或搜索：z360901061
微信掃一掃加我為好友
QQ號聯(lián)系： 360901061
您的支持是博主寫作最大的動力，如果您喜歡我的文章，感覺我的文章對您有幫助，請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧，狠狠點(diǎn)擊下面給點(diǎn)支持吧，站長非常感激您！手機(jī)微信長按不能支付解決辦法：請將微信支付二維碼保存到相冊，切換到微信，然后點(diǎn)擊微信右上角掃一掃功能，選擇支付二維碼完成支付。
【本文對您有幫助就好】元
