基於雙門限法的語音端點檢測及語音分割

voice_activity_detection

Audio Split 基於雙門限法的語音端點檢測及語音分割

代碼在我的github上voice_activity_detection

如果您覺得有一點點用，請隔空比個心（或者，去我的github上點一下 「Star」 也可以~）

根據短時能量和過零率， 基於雙門限法的語音端點檢測及語音分割

直接運行audio_split.py，會對./raw_audio文件夾下的所有音頻文件進行分割：

1. 首先對原音頻轉成16kHz，16bit，PCM格式，單通道的.wav文件，保存在./convert2wav文件夾下；
2. 再對轉換後的文件進行第一次分割，保存在./detected_split1文件夾下；
3. 再次對分割後的文件分割，保存在./detected_split2文件夾下；
4. 最後根據時長限制，加速音頻，保存在./duration_limit文件夾下。

以上各步驟可選，參數均可自由設置，程序裏有詳細註釋。

另外，對於acoustic_feature.py，請看我另一個倉庫:聲學特徵提取

關於./raw_audio文件夾下的兩個示例文件，運行程序會有兩張plot輸出：

圖1 漢語：「藍天 白雲」的語音端點檢測

圖2 一些漢語數字的語音端點檢測

Python Import

關於本程序的依賴庫（其中Librosa最好和我使用的版本一致，其他版本都沒測試過）：

• Librosa-0.7.2
• Numpy-1.18.1
• matplotlib-3.1.3
• Scipy-1.4.1
• Soundfile-0.9.0

License 開源許可協議

GPL v3.0 © ZZL

贊助

如果你喜歡本程序，並且它對你有些許幫助，歡迎給我打賞一杯奶茶哈~

微信:

支付寶: