python mel

最新推荐文章于 2024-05-22 17:16:11 发布
最新推荐文章于 2024-05-22 17:16:11 发布
阅读量1k 收藏 2
点赞数
CC 4.0 BY-SA版权
分类专栏： 深度学习基础知识
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_40168949/article/details/99639123
  1. 直接调用librosa做mel谱的变换
signal = soundfile.read(wav_dir, fs)
melspec = librosa.feature.melspectrogram(signal, sr=22050,
                                    n_fft=2048, 
                                    hop_length=512, #是skip的长度，不是重叠的长度
                                    n_mels = 64)   # mel得到的fbank的长度
logspec = librosa.logamplitude(melspec)#计算log mel

得到的melspec的维度是（n_mel, wav_length)
做一个矩阵转制 melspec.T
fbank经过DCT变换得到的是mfcc

ref: 有比较完整的前端处理方法https://github.com/ZhihaoDU/speech_feature_extractor/blob/master/feature_extractor.py

读 wav 音频画 mel 频谱图（python）
G果的博客
07-14 2380
通过wav音频文件，画出mel频谱图
语音信号处理-概念（二）：幅度谱（短时傅里叶变换谱/STFT spectrum）、梅尔谱（Mel spectrum）【语音的深度学习主要用幅度谱、梅尔谱】【用librosa或torchaudio提取】
u013250861的博客
06-26 2778
一、语音的深度学习使用哪种谱？ 答：以amp spec和melspec为主，通常可以用librosa库或者torchaudio库进行提取。二、那Fbank、MFCC 呢？ 答：由于其蕴含信息较少，已经不适合这个大数据时代。但有些任务由于其本身的特殊性质，还是会使用到MFCC谱。如情感语音转换任务。...............
python与mel基础语法区别
09-13
其实所有编程语言的差异在概念上的差异都很小,只是有些功能更多,涵盖量更大更复杂,而有些功能少,但简单易学 这里来一起看下mel与python语法上的差别 首先归类为以下几点 1， 变量 mel: string $st="hello world"; int $it=5; float $ft=2.5; float $doubleft=$ft+$ft; string $doublest=$st+$st; int $powit=$it*$it; string $it="hello world"; // Error: Invalid redeclaration of variable "$it" as a different type. // . . . . .
【python】计算mel频率可能比你想象的要复杂一点
安安爸Chris的专栏
08-31 888
在另外一个函数的api介绍中，有关于htk的说明librosa默认使用slaney实现，这是在MATLAB Auditory Toolbox中的实现。在这种实现下，转换在1千赫以下是线性的，在1千赫以上是对数的另外一种实现来源Hidden Markov Toolkit ，即HTK然后针对slaney和HTK，这里信号给了两个参考引用连接基本都是20年前的东西了。但是相比而言，slaney是比HTK稍微新一些的了。...
python封装mel命令
axiuluo0的博客
04-13 912
python封装mel命令 代码如下（示例）： import os import pymel.core as pm mel_script = os.path.join(os.path.dirname(__file__), jjj.mel) pm.mel.eval("source \"{}\";".format(mel_script)) os.path.dirname(file) ; 获取当前文件所在路径， 这里的jjj.mel（示例文件）就是mel文件。 source 为mel命令， sourc
maya mel/python编辑器
12-18
maya mel/python编辑器，适用于maya2010,maya2011
python下wav音频文件绘制melspectrogram
03-26
从文件夹中载入wav音频文件，根据音频文件绘制出相应的melspectrogram
Python音频特征提取示例
03-12
Python音频特征提取示例：包含的特征提取方法：bark，gamma，linear，mel，bfcc，gfcc，lfcc，lpc，mfcc，msrcc，ngcc，pncc，psrcc，rplp，spfeats
Mel滤波器组的设计与实现（基于MATLAB和Python）
热门推荐
赵至柔的博客
06-26 1万+
Mel滤波器组的设计与实现（基于MATLAB和Python） 1、Mel滤波器组介绍 在语音的频谱范围内设置若干带通滤波器Hm(k),0≤m<MHm(k),0≤m<M{{H}_{m}}\left( k \right),0\le mMMM 为滤波器的个数。每个滤波器具有三角形滤波特性，其中心频率为f(m)f(m)f(m) ，在Mel频率范围内，这些滤波器是等带宽的。每个带通滤波器...
梅尔频谱(mel-spectrogram)提取，griffin_lim声码器【python代码分析】
明月几时有，把酒问青天
05-17 1万+
在语音分析，合成，转换中，第一步往往是提取语音特征参数。 利用机器学习方法进行上述语音任务，常用到梅尔频谱。 本文介绍从音频文件提取梅尔频谱，和从梅尔频谱变成音频波形。 音频波形 到 mel-spectrogram # signal processing sr = 24000 # Sample rate. n_fft = 2048 # fft points (samples) frame_shif...
pyinstaller -onefile -add-data "C:\\liteon\\HRZhaoMu\\SmartEsop\\whisper\\assets\\mel-filters.npz
12-27
pyinstaller --onefile --add-data "C:\\liteon\\HRZhaoMu\\SmartEsop\\whisper\\assets\\mel_filters.npz;whisper/assets" --add-data "C:\\liteon\\HRZhaoMu\\SmartEsop\\whisper\\assets\\multilingual.tiktoken;...
mayapython开关_[转载]maya Mel中快速调用python程序的方法
weixin_39820185的博客
12-10 1321
maya Mel中快速调用python程序的方法在maya中开发的python程序，总要在python脚本中import才能快速使用。其实可以通过maya的mel快速的调用python程序，从而实现mel程序相同的快速运行方法。比如：直接的拖拽到maya窗口中，直接弹出窗口。既简单又快速。这中技巧在打包和发布程序时运用较多。下面为大家介绍一下实现的方法：tjhUI_python.py文件是我们开发...
如何用python画出语谱图（spectrogram）和mel谱图（mel spectrogram）
lhzhqq的博客
05-22 925
如何用python画出语谱图（spectrogram）和mel谱图（mel spectrogram）
我开始学习mel和python的时间
打酱油的
09-24 589
纯粹记录刚开始学习mel和python的时间。 真正开始学习mel是2009年2月，就在过年的时候决定学习mel的，在这之前只用过网上的脚本，只能看懂最简单的 ls -sl;  学习python是2009年4月入手python核心编程一书开始的。 到现在，回想起来能学到这个地步也不容易，因为学习mel和python的大部分时间都是上班的时间，很少用自己的空余时间来学习。   ...
nnAudio的简单介绍
chumingqian的博客
03-29 1140
在本文中，我们提出了nnAudio，这是一种新的基于神经网络的音频处理框架，具有图形处理单元（GPU）支持，利用1D卷积神经网络执行时域到频域转换。由于速度快，它允许实时提取光谱图，而无需在磁盘上存储任何光谱图。此外，这种方法还允许在波形到谱图转换层上进行反向传播，因此，转换过程可以进行训练，从而进一步优化神经网络所训练的特定任务的波形到谱线图转换。所有谱线图实现都按输入长度的线性时间的Big-O缩放。
语音信号的梅尔频率倒谱系数(MFCC)的原理讲解及python实现
凌逆战的博客
09-21 7665
梅尔倒谱系数（MFCC） 　　梅尔倒谱系数（Mel-scale FrequencyCepstral Coefficients，简称MFCC）。依据人的听觉实验结果来分析语音的频谱， MFCC分析依据的听觉机理有两个 第一Mel scale：人耳感知的声音频率和声音的实际频率并不是线性的，有下面公式 $$f_{mel}=2595*\log _{10}(1+\frac{f}{700}...
语音－MFCC,Fbank特征提取
nwnu_908的博客
05-28 2042
提取12维MFCC特征和23维FBank import librosa import numpy as np import matplotlib.pyplot as plt import librosa.display from scipy.fftpack import dct # 绘制频谱图 def plot_spectrogram(spec, note): fig = plt.figure(figsize=(20, 5)) heatmap = plt.pcolor(spec)
librosa提取mel_fbank
qq_33266320的博客
07-14 5131
eps = np.spacing(1) magnitude_spectrogram = np.abs(librosa.stft(signal + eps, n_fft=512, ...
音频特征提取——librosa工具包使用
weixin_34021089的博客
05-06 6035
作者：桂。 时间：2017-05-06  11:20:47 链接：http://www.cnblogs.com/xingshansi/p/6816308.html  前言  本文主要记录librosa工具包的使用，librosa在音频、乐音信号的分析中经常用到，是python的一个工具包，这里主要记录它的相关内容以及安装步骤，用的是python3.5以及win8.1环境。 ...
Python计算mel-DER
最新发布
08-10
在语音识别领域，Mel对角元素比率（Mel-Diagonal Element Ratio, Mel-DER）是一种用于评估语音特征提取质量的指标。它衡量的是在Mel频谱图中，对角线元素相对于其他元素的能量占比。这一指标可以用于分析语音信号中时间-频率结构的对齐程度，尤其在语音增强、语音活动检测（VAD）或语音识别的前端处理中具有应用价值。 Mel频谱图通常是由线性频谱图经过Mel滤波器组变换得到的，而Mel-DER的计算则是基于这些Mel频谱图中的能量分布。具体而言，Mel-DER的定义如下： 给定一个Mel频谱图 $ M \in \mathbb{R}^{F \times T} $，其中 $ F $ 是Mel频率通道数，$ T $ 是时间帧数，Mel-DER定义为： $$ \text{Mel-DER} = \frac{\sum_{t=1}^{T} M_{t,t}}{\sum_{f=1}^{F} \sum_{t=1}^{T} M_{f,t}} $$ 其中 $ M_{t,t} $ 是频谱图中对角线上的元素，表示在时间帧 $ t $ 与频率通道 $ t $ 对应的能量值。 在Python中，可以通过以下步骤实现Mel-DER的计算： 1. 提取语音信号的Mel频谱图； 2. 计算对角线元素的总和； 3. 计算整个频谱图的能量总和； 4. 求比值得到Mel-DER。 ### Python代码示例 ```python import librosa import numpy as np def compute_mel_der(audio_path, sr=16000, n_fft=512, hop_length=256, n_mels=40): # 加载音频文件 y, sr = librosa.load(audio_path, sr=sr) # 提取Mel频谱 S = librosa.feature.melspectrogram(y=y, sr=sr, n_fft=n_fft, hop_length=hop_length, n_mels=n_mels) S = librosa.power_to_db(S, ref=np.max) # 计算对角线元素之和 min_dim = min(S.shape) diag_sum = sum(S[i, i] for i in range(min_dim)) # 计算整个矩阵的总和 total_sum = np.sum(S) # 计算Mel-DER mel_der = diag_sum / total_sum if total_sum != 0 else 0 return mel_der # 示例调用 audio_file = "example.wav" # 替换为你的音频文件路径 mel_der_value = compute_mel_der(audio_file) print(f"Mel-DER: {mel_der_value:.4f}") ``` ### 说明 - 该示例使用了 `librosa` 库进行Mel频谱图的提取。 - Mel频谱图的对角线元素反映了时间与频率在语音信号中的对齐程度。 - Mel-DER值越高，说明语音信号在时间与频率上越对齐，通常表示语音质量较好或干扰较少。 ### 注意事项 - 如果Mel频谱图的行数和列数不一致，对角线仅计算到较小维度为止。 - 在某些语音处理任务中，可以结合语音活动检测（VAD）来仅在语音活动区域内计算Mel-DER，以提高准确性。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值