本文主要是關(guān)于語音數(shù)據(jù)在處理過程中的一些腳本文件以及實(shí)例，所有代碼只需要更改所需處理的文件路徑，輸出路徑等，全部可運(yùn)行。

目錄

所需環(huán)境

方法1：將一整段音頻按時間批量切成一個一個音頻

方法2：將一整段音頻按語句停頓批量切成一個一個音頻

方法3：將一個文件夾內(nèi)的幾整段音頻批量切成一個一個音頻

3.1.數(shù)據(jù)格式：一個文件夾下的長幾分多的音頻（wav文件）按固定秒數(shù)切割

3.2.數(shù)據(jù)格式：一個文件夾下的長幾分多的音頻（mp3文件）按固定秒數(shù)切割

3.3.數(shù)據(jù)格式：一個文件夾下的長幾分多的音頻（wav文件）按語句停頓切割

擴(kuò)展

將pcm文件批量處理成wav文件

Linux下查詢文件夾中文件數(shù)量的方法

使用ls命令和wc命令

WAV格式文件詳解

所需環(huán)境

本文環(huán)境：Linux

pydub(安裝：pip3 install pydub)

ffmpeg(apt install ffmpeg)

方法1：將一整段音頻按時間批量切成一個一個音頻

數(shù)據(jù)格式：一個長三分五十秒的音頻

# split_wav_time.py
from pydub import AudioSegment
from pydub.utils import make_chunks

audio = AudioSegment.from_file("his_one/1.wav", "wav")

#size = 10000  #切割的毫秒數(shù) 10s=10000
size = 60000  #切割的毫秒數(shù) 60s=60000

chunks = make_chunks(audio, size)  #將文件切割為60s一個

for i, chunk in enumerate(chunks):
    chunk_name = "new-{0}.wav".format(i)
    print(chunk_name)
    chunk.export(chunk_name, format="wav")

運(yùn)行命令：

python split_wav_time.py

?結(jié)果：

方法2：將一整段音頻按語句停頓批量切成一個一個音頻

數(shù)據(jù)格式：一個長幾分多的音頻

利用split_on_silence（sound，min_silence_len, ? silence_thresh, ? ?keep_silence=400）函數(shù)

第一個參數(shù)為待分割音頻，第二個為多少秒“沒聲”代表沉默，第三個為分貝小于多少dBFS時代表沉默，第四個為為截出的每個音頻添加多少ms無聲

from pydub import AudioSegment
from pydub.silence import split_on_silence
 
sound = AudioSegment.from_mp3("his_one/1.wav")
loudness = sound.dBFS
#print(loudness)
 
chunks = split_on_silence(sound,
    # must be silent for at least half a second,沉默半秒
    min_silence_len=430,
 
    # consider it silent if quieter than -16 dBFS
    silence_thresh=-45,
    keep_silence=400
 
)
print('Len:', len(chunks))
 
# 放棄長度小于2秒的錄音片段
for i in list(range(len(chunks)))[::-1]:
    if len(chunks[i]) <= 2000 or len(chunks[i]) >= 10000:
        chunks.pop(i)
print('取有效分段(大于2s小于10s)：', len(chunks))
 
'''
for x in range(0,int(len(sound)/1000)):
    print(x,sound[x*1000:(x+1)*1000].max_dBFS)
'''
 
for i, chunk in enumerate(chunks):
    chunk.export("cutwav_{0}.wav".format(i), format="wav")
    #print(i)

??結(jié)果：

方法3：將一個文件夾內(nèi)的幾整段音頻批量切成一個一個音頻

3.1.數(shù)據(jù)格式：一個文件夾下的長幾分多的音頻（wav文件）按固定秒數(shù)切割

from pydub import AudioSegment
from pydub.utils import make_chunks
import os, re

# # 循環(huán)目錄下所有文件
for each in os.listdir("/workspace/tts/PolyLangVITS/history"): #循環(huán)目錄
    
    filename = re.findall(r"(.*?)\.wav", each) # 取出.wav后綴的文件名
    print(each)
    if each:
        # filename[0] += '.wav'
        # print(filename[0])

        mp3 = AudioSegment.from_file('/workspace/tts/PolyLangVITS/history/{}'.format(each), "wav") # 打開mp3文件
#         # # mp3[17*1000+500:].export(filename[0], format="mp3") #
        size = 15000  # 切割的毫秒數(shù) 10s=10000

        chunks = make_chunks(mp3, size)  # 將文件切割為15s一塊

        for i, chunk in enumerate(chunks):

            chunk_name = "{}-{}.wav".format(each.split(".")[0],i)
            print(chunk_name)
            chunk.export('/workspace/tts/PolyLangVITS/preprodata/his_out/{}'.format(chunk_name), format="wav")



 

?結(jié)果

3.2.數(shù)據(jù)格式：一個文件夾下的長幾分多的音頻（mp3文件）按固定秒數(shù)切割

from pydub import AudioSegment
from pydub.utils import make_chunks
import os, re
# #
# # 循環(huán)目錄下所有文件
for each in os.listdir("D:/純音樂"): #循環(huán)目錄
    
    filename = re.findall(r"(.*?)\.mp3", each) # 取出.mp3后綴的文件名
    print(each)
    if each:
        # filename[0] += '.wav'
        # print(filename[0])

        mp3 = AudioSegment.from_file('D:/純音樂/{}'.format(each), "mp3") # 打開mp3文件
#         # # mp3[17*1000+500:].export(filename[0], format="mp3") #
        size = 15000  # 切割的毫秒數(shù) 10s=10000

        chunks = make_chunks(mp3, size)  # 將文件切割為15s一塊

        for i, chunk in enumerate(chunks):

            chunk_name = "{}-{}.mp3".format(each.split(".")[0],i)
            print(chunk_name)
            chunk.export('D:/純音樂分解/{}'.format(chunk_name), format="mp3")```



 

?3.3.數(shù)據(jù)格式：一個文件夾下的長幾分多的音頻（wav文件）按語句停頓切割

?

# @ Elena
# @ Date : 23.9.4


import os, re
from pydub import AudioSegment
from pydub.silence import split_on_silence

# # 循環(huán)目錄下所有文件
for each in os.listdir("/workspace/tts/PolyLangVITS/history"): 
    filename = re.findall(r"(.*?)\.wav", each) # 取出.wav后綴的文件名
    print(each)
    if each:
        sound = AudioSegment.from_file('/workspace/tts/PolyLangVITS/history/{}'.format(each), "wav")
        loudness = sound.dBFS
    #print(loudness)
 
    chunks = split_on_silence(sound,
        # must be silent for at least half a second,沉默半秒
        min_silence_len=430,
    
        # consider it silent if quieter than -16 dBFS
        silence_thresh=-45,
        keep_silence=400
    
    )
    print('Len:', len(chunks))
    
    # 放棄長度小于1秒的錄音片段
    for i in list(range(len(chunks)))[::-1]:
        if len(chunks[i]) <= 1000 or len(chunks[i]) >= 10000:
            chunks.pop(i)
    print('Len (1s~10s wav file):', len(chunks))
    
    '''
    for x in range(0,int(len(sound)/1000)):
        print(x,sound[x*1000:(x+1)*1000].max_dBFS)
    '''
    
    for i, chunk in enumerate(chunks):
        chunk_name = "{}-{}.wav".format(each.split(".")[0],i) 
        chunk.export("/workspace/tts/PolyLangVITS/preprodata/his_out/{}".format(chunk_name), format="wav")
        #print(i)

結(jié)果

使用 file 查詢? wav

(WAV文件格式是Microsoft的RIFF規(guī)范的一個子集，用于存儲多媒體文件。WAV(RIFF)文件由若干個Chunk組成，分別為: RIFF WAVE Chunk，F(xiàn)ormat Chunk，F(xiàn)act Chunk(可選)，Data Chunk。具體格式如下：)

擴(kuò)展

將pcm文件批量處理成wav文件

import wave
import os
 
filepath = "data/"  # 添加路徑
filename = os.listdir(filepath)  # 得到文件夾下的所有文件名稱
#f = wave.open(filepath + filename[1], 'rb')
#print(filename)
for i in range(len(filename)):
    with open("data/"+failename[i], 'rb') as pcmfile:
        pcmdata = pcmfile.read()
    with wave.open("data/"+filename[i][:-3] + '.wav', 'wb') as wavfile:
        wavfile.setparams((1, 2, 16000, 0, 'NONE', 'NONE'))
        wavfile.writeframes(pcmdata)

Linux下查詢文件夾中文件數(shù)量的方法

使用ls命令和wc命令

使用ls命令的-l選項(xiàng)和管道操作符|結(jié)合wc命令來統(tǒng)計(jì)文件數(shù)量：

查詢當(dāng)前文件夾下帶有“wav”的文件數(shù)量

ls -l | grep "wav" | wc -l

?

WAV格式文件詳解

WAV文件格式是Microsoft的RIFF規(guī)范的一個子集，用于存儲多媒體文件。WAV(RIFF)文件由若干個Chunk組成，分別為: RIFF WAVE Chunk，F(xiàn)ormat Chunk，F(xiàn)act Chunk(可選)，Data Chunk。具體格式如下：

音頻文件參數(shù)簡介
對于形如44100HZ 16bit stereo 或者 22050HZ 8bit mono參數(shù)描述的音頻文件，其蘊(yùn)含的文件參數(shù)包括：

采樣率：聲音信號在“?！鷶?shù)”轉(zhuǎn)換過程中單位時間內(nèi)采樣的次數(shù)。
采樣值（采樣精度）：每一次采樣周期內(nèi)聲音模擬信號的積分值。
同時，每個采樣數(shù)據(jù)記錄的是振幅, 而采樣精度取決于儲存空間的大小。
對于單聲道（mono）文件，采樣數(shù)據(jù)為8位的短整數(shù)，同時其采樣精度有：

1 字節(jié)（8bit） 只能記錄 256 個數(shù), 也就是只能將振幅劃分成 256 個等級；
2 字節(jié)（16bit） 可以細(xì)到 65536 個數(shù), 即為 CD 標(biāo)準(zhǔn)；
4 字節(jié)（32bit） 能把振幅細(xì)分到 4294967296 個等級, 實(shí)在是沒必要了。
對于雙聲道立體聲（stereo）文件，每次采樣數(shù)據(jù)為一個16位的整數(shù)（int），且采樣是雙份的，也為單聲道文件的兩倍。采樣數(shù)據(jù)中高八位(左聲道)和低八位(右聲道)分別代表兩個聲道。

由于wav格式文件本質(zhì)上為音頻文件，即可根據(jù)文件的大小、采樣頻率和采樣大小估算文件的播放長度。
更多可查看Microsoft WAVE soundfile format (sapp.org)文章來源地址http://www.zghlxwxcb.cn/news/detail-715669.html

到了這里，關(guān)于Speech | 語音處理，分割一段音頻（python）的文章就介紹完了。如果您還想了解更多內(nèi)容，請?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！