1文件夹为原始语音文件夹，2文件夹为噪声文件夹，原始语音文件和噪声文件有着相同的文件名，如何批量去噪

您可以使用音频处理库，如Librosa或PyDub，来批量去噪原始语音文件夹中的音频文件。以下是一种可能的方法：

1. 首先，确保您已安装所需的库。例如，可以使用以下命令安装Librosa：

   pip install librosa

2. 导入所需的库：

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

3. 定义一个函数，用于读取和去噪单个音频文件：

   def denoise_audio(input_path, noise_path, output_path):
       # 读取原始语音文件和噪声文件
       sr, audio = wavfile.read(input_path)
       _, noise = wavfile.read(noise_path)

       # 确保原始语音和噪声具有相同的长度，如果不同，进行裁剪或填充
       if len(audio) > len(noise):
           audio = audio[:len(noise)]
       elif len(audio) < len(noise):
           noise = noise[:len(audio)]

       # 将原始语音和噪声转换为浮点数表示
       audio = audio.astype(np.float32)
       noise = noise.astype(np.float32)

       # 计算噪声的能量
       noise_energy = np.sum(noise ** 2)

       # 估计噪声的能量谱密度（PSD）
       noise_psd = np.abs(np.fft.fft(noise)) ** 2 / len(noise)

       # 估计语音的能量谱密度（PSD）
       audio_psd = np.abs(np.fft.fft(audio)) ** 2 / len(audio)

       # 去噪语音，通过减去噪声的频谱
       denoised_psd = audio_psd - noise_psd

       # 将去噪的频谱转换回时间域信号
       denoised_audio = np.fft.ifft(np.sqrt(denoised_psd)).real

       # 将去噪的语音保存到输出路径
       wavfile.write(output_path, sr, denoised_audio.astype(np.int16))

4. 定义一个函数，用于批量去噪文件夹中的音频文件：

   def batch_denoise(input_folder, noise_folder, output_folder):
       # 确保输出文件夹存在
       if not os.path.exists(output_folder):
           os.makedirs(output_folder)

       # 遍历原始语音文件夹中的每个音频文件
       for filename in os.listdir(input_folder):
           if filename.endswith('.wav'):
               input_path = os.path.join(input_folder, filename)
               noise_path = os.path.join(noise_folder, filename)
               output_path = os.path.join(output_folder, filename)
               denoise_audio(input_path, noise_path, output_path)

5. 使用上述函数进行批量去噪。假设原始语音文件夹路径为"input_folder"，噪声文件夹路径为"noise_folder"，输出文件夹路径为"output_folder"：

   batch_denoise("input_folder", "noise_folder", "output_folder")

这样，批量去噪的结果将保存在输出文件夹中，具有与原始语音文件相同的文件名。请注意，此方法假设原始语音和噪声具有相同的采样率。如果采样率不同，您可能需要进行适当的采样率转换。