使用python如何扩充音频数据？

经典的深度学习网络AlexNet 使用  数据扩充（Data Augmentation）  的方式扩大数据集，取得较好的分类效果。在深度学习的图像领域中，通过平移、  翻转、加噪等方法进行数据扩充。但是，在  音频（Audio）  领域中，如何进行数据扩充呢？

本文和大家分享的就是python 音频数据扩充的一些小技巧，一起来看看吧，希望对大家 学习python有所帮助。

　　音频的数据扩充主要有以下四种方式：

　　·  音频剪裁（ Clip ）

　　·  音频旋转（ Roll ）

　　·  音频调音（ Tune ）

　　·  音频加噪（ Noise ）

　　音频处理基于librosa 音频库；矩阵操作基于 scipy 和 numpy 科学计算库。

　　以下是Python 的实现方式：

　　 音频剪裁

　　 import librosa from scipy.io  import wavfile

　　y, sr = librosa.load("../data/love_illusion.mp3")  #  读取音频 print y.shape, sr

　　wavfile.write("../data/love_illusion_20s.mp3", sr, y[20 * sr:40 * sr])  #  写入音频

　　 音频旋转

　　 import librosa import numpy  as np from scipy.io  import wavfile

　　y, sr = librosa.load("../data/raw/love_illusion_20s.mp3")  #  读取音频

　　y = np.roll(y, sr*10) print y.shape, sr

　　wavfile.write("../data/raw/xxx_roll.mp3", sr, y)  #  写入音频

　　 音频调音

　　import cv2

　　import librosa

　　from scipy.io import wavfile

　　 y, sr = librosa.load("../data/raw/love_illusion_20s.mp3")  #  读取音频

　　ly = len( y)

　　y_tune = cv2. resize( y, (1,  int(len( y) * 1.2))).squeeze() lc = len(y_tune) - ly

　　y_tune = y_tune[ int( lc / 2): int( lc / 2) + ly] print  y.shape, sr

　　wavfile. write("../data/raw/xxx_tune.mp3", sr,  y)  #  写入音频

　　音频加噪，注意：在添加随机噪声时，保留0 值，否则刺耳难忍！

　　 import librosa from scipy.io  import wavfile import numpy  as np

　　y, sr = librosa.load("../data/raw/love_illusion_20s.mp3")  #  读取音频

　　wn = np.random.randn(len(y))

　　y = np.where(y != 0.0, y + 0.02 * wn, 0.0)  #  噪声不要添加到 0 上！ print y.shape, sr

　　wavfile.write("../data/raw/love_illusion_20s_w.mp3", sr, y)  #  写入音频

来源：网络