将批量wav文件转换成语谱图并保存

你可以使用Python中的Librosa库将批量的wav文件转换成语谱图并保存。以下是一个可能的示例代码：

import librosa
import os

# 定义输入输出文件夹路径
input_dir = "/path/to/input/folder"
output_dir = "/path/to/output/folder"

# 遍历输入文件夹下的所有wav文件
for filename in os.listdir(input_dir):
    if filename.endswith(".wav"):
        # 读取wav文件
        wav_path = os.path.join(input_dir, filename)
        y, sr = librosa.load(wav_path, sr=None)

        # 获取语谱图
        spect = librosa.stft(y)

        # 将语谱图保存为jpg图片
        output_path = os.path.join(output_dir, f"{filename}.jpg")
        librosa.display.specshow(librosa.amplitude_to_db(spect, ref=np.max))
        plt.savefig(output_path)

完成转换后，批量转换的语谱图将保存在指定的输出文件夹中。

相关问题

批量提取不同文件夹下的wav格式语音数据的梅尔语谱图并保存到相应文件夹中的python代码

可以使用Python中的Librosa库来实现批量提取不同文件夹下的wav格式语音数据的梅尔语谱图并保存到相应文件夹中。以下是实现代码：

import os
import librosa
import numpy as np

# 设置输入和输出文件夹路径
in_folder_path = 'input_folder'
out_folder_path = 'output_folder'

# 定义函数来提取梅尔语谱图并保存到输出文件夹中
def extract_mel_spectrogram(in_file_path, out_folder_path):
    # 加载音频文件
    y, sr = librosa.load(in_file_path, sr=None)
    # 计算梅尔频谱
    mel_spectrogram = librosa.feature.melspectrogram(y=y, sr=sr, n_mels=128)
    # 转换为对数刻度
    log_mel_spectrogram = librosa.power_to_db(mel_spectrogram, ref=np.max)
    # 获取文件名
    file_name = os.path.basename(in_file_path)
    # 构造输出文件路径
    out_file_path = os.path.join(out_folder_path, file_name.replace('.wav', '.npy'))
    # 保存梅尔语谱图
    np.save(out_file_path, log_mel_spectrogram)

# 遍历输入文件夹中的所有wav文件并提取梅尔语谱图
for root, dirs, files in os.walk(in_folder_path):
    for file in files:
        if file.endswith('.wav'):
            # 构造输入文件路径
            in_file_path = os.path.join(root, file)
            # 构造输出文件夹路径
            out_sub_folder_path = os.path.join(out_folder_path, os.path.basename(root))
            # 如果输出文件夹不存在，则创建它
            if not os.path.exists(out_sub_folder_path):
                os.makedirs(out_sub_folder_path)
            # 提取梅尔语谱图并保存到输出文件夹中
            extract_mel_spectrogram(in_file_path, out_sub_folder_path)

这段代码将会递归地遍历输入文件夹中的所有子文件夹，并将每个wav文件的梅尔语谱图提取出来并保存到相应的子文件夹中。梅尔频谱图将以Numpy数组的形式保存在.npy文件中。你可以根据实际情况修改代码中的参数，例如n_mels来调整梅尔频谱图的分辨率。

python实现VAD技术批量清理多个wav文件中的静音片段

要批量清理多个WAV文件中的静音片段，可以使用Python中的文件操作和循环语句。以下是一种基于Python的实现VAD技术，批量清理多个WAV文件中的静音片段的方法：

1. 导入所需的库：例如pydub, webrtcvad等。
2. 使用os库列出所有待处理的WAV文件。
3. 使用pydub库加载每个WAV文件。
4. 将每个WAV文件转换为PCM数据。
5. 使用webrtcvad库检测PCM数据中的活动和静默部分。
6. 根据检测结果，将静默部分从PCM数据中删除。
7. 将处理后的PCM数据保存为WAV文件。

以下是一个简单的Python代码示例，可以实现VAD技术批量清理多个WAV文件中的静音片段：

import os
from pydub import AudioSegment
import webrtcvad

# 定义参数
frame_duration_ms = 30
frame_size = int(frame_duration_ms * 16 / 1000)
vad = webrtcvad.Vad()
vad.set_mode(3)

# 列出所有待处理的WAV文件
wav_files = [f for f in os.listdir() if f.endswith('.wav')]

# 循环处理每个WAV文件
for wav_file in wav_files:
    # 加载音频文件
    audio = AudioSegment.from_file(wav_file)

    # 将音频转换为PCM数据
    pcm_data = audio.raw_data

    # 检测静默部分
    active = []
    start = 0
    audio_length = len(pcm_data)
    sample_rate = audio.frame_rate
    while start < audio_length:
        end = min(start + frame_size, audio_length)
        frame = pcm_data[start:end]
        if vad.is_speech(frame, sample_rate):
            active.extend(range(start, end))
        start = end

    # 提取静默部分
    segments = []
    for k, g in groupby(enumerate(active), lambda i_x:i_x[0]-i_x[1]):
        segment = list(map(itemgetter(1), g))
        start = segment[0] * 2
        end = segment[-1] * 2
        segments.append((start, end))

    # 删除静默部分
    for segment in segments:
        audio = audio[:segment[0]] + audio[segment[1]:]

    # 保存处理后的音频文件
    audio.export("processed_" + wav_file, format="wav")

这段代码使用了os库列出所有待处理的WAV文件，并使用循环语句依次处理每个WAV文件。请注意，要根据实际情况调整VAD检测器的参数以达到最佳效果。