Python在音频（Audio）领域中，如何进行数据扩充呢？
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
import librosa
from scipy.io import wavfile y, sr = librosa.load("../data/love_illusion.mp3")
# 读取音频print y.shape, sr wavfile.write("../data/love_illusion_20s.mp3", sr, y[20 * sr:40 * sr])
# 写入音频
02
音频旋转
import cv2
import librosa
from scipy.io import wavfile y, 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) - 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)
# 写入音频
03
音频调音
import cv2
import librosa
from scipy.io import wavfile y, 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) - 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)
# 写入音频
04
音频加噪
import librosa
from scipy.io import wavfile
import numpy as np
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！print y.shape, sr wavfile.write("../data/raw/love_illusion_20s_w.mp3", sr, y)
# 写入音频
-
音频
+关注
关注
29文章
2868浏览量
81490 -
python
+关注
关注
56文章
4792浏览量
84624
原文标题：Python音频的数据扩充
文章出处：【微信号：machinelearningai，微信公众号：机器学习算法与人工智能】欢迎添加关注！文章转载请注明出处。
发布评论请先 登录
相关推荐
什么是信号处理?如何进行数字信号处理呢？
数据库教程之如何进行数据库设计
数据库系统概论之如何进行数据库编程的资料概述
在风格迁移中如何进行数据增强
蓝牙midi和蓝牙音频或者蓝牙audio有什么区别呢
工商网监
评论