Python音频的数据扩充

Python音频的数据扩充

经典的深度学习网络AlexNet使用数据扩充（Data Augmentation）的方式扩大数据集，取得较好的分类效果。在深度学习的图像领域中，通过平移、 翻转、加噪等方法进行数据扩充。但是，在音频（Audio）领域中，如何进行数据扩充呢？

音频的数据扩充，主要有以下四种方式：

音频剪裁（Clip）

音频旋转（Roll）

音频调音（Tune）

音频加噪（Noise）

音频解析基于librosa音频库；矩阵操作基于scipy和numpy科学计算库。

以下是Python的实现方式

01

音频剪裁

importlibrosa

fromscipy.ioimportwavfiley, sr = librosa.load("../data/love_illusion.mp3")

# 读取音频printy.shape, srwavfile.write("../data/love_illusion_20s.mp3", sr, y[20* sr:40* sr])

# 写入音频

02

音频旋转

importcv2

importlibrosa

fromscipy.ioimportwavfiley, sr = librosa.load("../data/raw/love_illusion_20s.mp3")

# 读取音频ly = len(y)y_tune = cv2.resize(y, (1, int(len(y) *1.2))).squeeze()lc = len(y_tune) - lyy_tune = y_tune[int(lc /2):int(lc /2) + ly]printy.shape, srwavfile.write("../data/raw/xxx_tune.mp3", sr, y_tune)

# 写入音频

03

音频调音

importcv2

importlibrosa

fromscipy.ioimportwavfiley, sr = librosa.load("../data/raw/love_illusion_20s.mp3")

# 读取音频ly = len(y)y_tune = cv2.resize(y, (1, int(len(y) *1.2))).squeeze()lc = len(y_tune) - lyy_tune = y_tune[int(lc /2):int(lc /2) + ly]printy.shape, srwavfile.write("../data/raw/xxx_tune.mp3", sr, y_tune)

# 写入音频

04

音频加噪

importlibrosa

fromscipy.ioimportwavfile

importnumpyasnp

y, sr = librosa.load("../data/raw/love_illusion_20s.mp3")

# 读取音频wn = np.random.randn(len(y))y = np.where(y !=0.0, y +0.02* wn,0.0)

# 噪声不要添加到0上！printy.shape, srwavfile.write("../data/raw/love_illusion_20s_w.mp3", sr, y)

# 写入音频

ML & AI∣一个有用的公众号

长按，识别二维码，加关注