我已经开发了一个脚本，给定一个输入文件，提取语音信号，并在输出信号没有语音（所以信号，包含噪音）：
!pip install pydub
from pydub import AudioSegment
from matplotlib import pyplot as plt
import pandas as pd
import numpy as np
audio = AudioSegment.from_file('fileInput.mp3')
samples = audio.get_array_of_samples()
plt.plot(list(samples))
from scipy import signal
sos = signal.butter(10, [100, 4000], 'bandstop', fs=44100, output='sos')
filtered = signal.sosfilt(sos, np.array(samples))
plt.figure(figsize=(10,10))
plt.plot(np.array(samples))
plt.plot(filtered)
plt.title('After 1 - 10 Hz pass-band filter')
plt.tight_layout()
plt.show()
要导出过滤后的文件（即包含噪声的文件），我将以下行写入：
from scipy.io.wavfile import write
write('./test.wav', 44100, filtered.astype(np.int16))代码保存文件但文件与原始（输入）文件的长度不同。
正如你可以注意到的，输入文件有36秒的长度，而不是输出是1：12 ...
Download Output file
1条答案
按热度按时间jogvjijk1#
输入文件是立体声的。pydub文档声明：
AudioSegment（...）.get_array_of_samples（）将原始音频数据以（数字）样本数组的形式返回。注意：如果音频有多个通道，则每个通道的样本将被串行化-例如，立体声音频将类似于[sample_1_L，sample_1_R，sample_2_L，sample_2_R，...]
对于scipy来说，这只是一个“长”通道。它不知道样本是这样分割的。滤波器也有状态。这意味着它不能处理像这样混洗的数据并产生所需的输出。
您可以将AudioSegment的数据重新整形为2个单声道，例如：
和
并分别处理这些数据。
或
您只需将音频段转换为单声道。如下所示：
无论哪种方式，我都强烈建议您使用输入文件的采样率，只要需要采样率。否则加载一个具有其他采样率的文件将改变滤波器频率，并更改输出文件的长度和播放速度。