13、音频数据增强与频谱图技术解析

音频数据增强与频谱图技术解析

一、音频增强基础回顾

1.1 音频文件基础概念

音频文件有三个基本组成部分：振幅、频率和采样率。频率的测量单位是赫兹（Hz）和千赫兹（kHz），音高与频率类似，但测量单位是分贝（dB）。此外，比特率和比特深度是表示采样率的其他形式。

1.2 音频增强技术

标准的音频增强技术主要包括：
- 基本技术 ：时间拉伸、时间移位和音高缩放。
- 其他技术 ：噪声注入和极性反转。
- 增强库中的方法 ：裁剪、增益、归一化和双曲正切（tanh）失真等。

1.3 开源音频增强库

有许多强大的开源音频增强库，其中被选用的有：
- Librosa 库 ：最成熟的库。
- Audiomentations 库 ：功能强大且易于与其他库集成。
- Facebook 的 Augly 库 ：也是有力的竞争者。

1.4 真实世界音频数据集

从 Kaggle 网站下载了三个真实世界的音频数据集，分别代表日常体验中的音频类别：音乐、人类语音和城市声音。

1.5 代码实现

在 Python Notebook 中编写代码有助于加深对每种音频增强技术的理解，代码遵循创建可重用类、添加新方法、下载数据、导入到 pandas、利用增强库和编写包装函数的模式