inaSpeechSegmenter 开源项目使用教程

inaSpeechSegmenter 开源项目使用教程

inaSpeechSegmenter CNN-based audio segmentation toolkit. Allows to detect speech, music, noise and speaker gender. Has been designed for large scale gender equality studies based on speech time per gender. 项目地址: https://gitcode.com/gh_mirrors/in/inaSpeechSegmenter

1. 项目介绍

inaSpeechSegmenter 是一个基于卷积神经网络（CNN）的音频分割工具包，主要用于语音活动检测和说话人性别分割。该工具包可以将音频信号分割成同质区域，包括语音、音乐和噪声。对于语音区域，还可以根据说话人的性别进行标记（男性或女性）。inaSpeechSegmenter 优化了对法语的支持，因为它使用法语演讲者的数据进行了训练。

2. 项目快速启动

环境准备

• 确保您的系统中已安装 Python 3.7 至 Python 3.12 版本。
• 安装 ffmpeg：sudo apt-get install ffmpeg
• 创建 Python 虚拟环境并激活：virtualenv -p python3 env 和 source env/bin/activate
• 安装 inaSpeechSegmenter：pip install inaSpeechSegmenter

运行示例

以下是一个简单的命令行示例，用于分割音频文件并输出结果：

ina_speech_segmenter.py --input media/my_audio_file.wav --output output_segmentation.csv

这个命令会处理名为 my_audio_file.wav 的音频文件，并将分割结果保存到 output_segmentation.csv 文件中。

3. 应用案例和最佳实践

应用案例

• 监控媒体中的性别平等，分析不同性别在电视和广播中的代表性。
• 评估跨性别者声音转变。
• 大规模性别代表性研究。

最佳实践

• 确保使用与训练数据集相匹配的音频格式和采样率。
• 在处理大型数据集时，使用批处理以提高效率。
• 利用 Docker 容器化应用，确保跨平台兼容性。

4. 典型生态项目

• inaFaceAnalyzer：一个用于大规模媒体性别描述的 Python 工具箱，基于面部识别技术。
• inaGVAD：一个为语音活动检测和说话人性别分割提供挑战的法国电视和广播语料库。

以上教程介绍了如何使用 inaSpeechSegmenter 进行音频分割，以及如何快速启动项目。通过应用案例和最佳实践，您可以更好地理解如何在实际场景中使用这个工具包。

inaSpeechSegmenter CNN-based audio segmentation toolkit. Allows to detect speech, music, noise and speaker gender. Has been designed for large scale gender equality studies based on speech time per gender. 项目地址: https://gitcode.com/gh_mirrors/in/inaSpeechSegmenter