作者：桂。
時間：2017-05-04 18:31:09
鏈接：http://www.cnblogs.com/xingshansi/p/6806637.html
前言
語音識別等應用離不開音頻特征的提取，最近在看音頻特征提取的內容，用到一個python下的工具包——pyAudioAnalysis: An Open-Source Python Library for Audio Signal Analysis，該工具包的說明文檔可以點擊這里下載，對應的github鏈接點擊這里。
這個工具包原說明文檔支持的是Linux安裝，且不能與python3很好地兼容，注意啦
一、常用工具包簡介
目前針對音頻信號，C/C++ 、Python、MATLAB等常用的工具包有：
二、pyAudioAnalysis工具包簡介
pyAudioAnalysis是一個音頻處理工具包，主要功能如圖：
其中Feature Extraction包括（順序有先后）：
補充說明一下：
- 1-Zero Crossing Rate：短時平均過零率，即每幀信號內，信號過零點的次數，體現的是頻率特性
- 2-Energy：短時能量，即每幀信號的平方和，體現的是信號能量的強弱
- 3-Entropy of Energy：能量熵，跟頻譜的譜熵（Spectral Entropy）有點類似，不過它描述的是信號的時域分布情況，體現的是連續性
- 4-Spectral Centroid：頻譜中心又稱為頻譜一階距，頻譜中心的值越小，表明越多的頻譜能量集中在低頻范圍內，如：voice與music相比，通常spectral centroid較低
- 5-Spectral Spread：頻譜延展度，又稱為頻譜二階中心矩，它描述了信號在頻譜中心周圍的分布狀況
- 6-Spectral Entropy：譜熵，根據熵的特性可以知道，分布越均勻，熵越大，能量熵反應了每一幀信號的均勻程度，如說話人頻譜由於共振峰存在顯得不均勻，而白噪聲的頻譜就更加均勻，借此進行VAD便是應用之一
- 7-Spectral Flux：頻譜通量，描述的是相鄰幀頻譜的變化情況
function [vsf] = FeatureSpectralFlux (X, f_s) % difference spectrum (set first diff to zero) afDeltaX = diff([X(:,1), X],1,2); % flux vsf = sqrt(sum(afDeltaX.^2))/size(X,1); end - 8-Spectral Rolloff：頻譜滾降點，給出定義：
- 9~21-MFCCs：就是大名鼎鼎的梅爾倒譜系數，這個網上資料非常多，也是非常重要的音頻特征。
- 22~33-Chroma Vector：這個有12個參數，對應就是12級音階，還是看原文解釋：A 12-element representation of the spectral energy where the bins represent the 12 equal-tempered pitch classes of western-type music (semitone spacing).
- 34-Chroma Deviation：這個就是Chroma Vector的標准方差。
這個在音樂聲里可能用的比較多，目前沒有接觸這類特征：
什么是Chroma特征呢？給出一個示意圖
code示例：
from pyAudioAnalysis import audioBasicIO
from pyAudioAnalysis import audioFeatureExtraction
import matplotlib.pyplot as plt
[Fs, x] = audioBasicIO.readAudioFile("sample.wav");
F = audioFeatureExtraction.stFeatureExtraction(x, Fs, 0.050*Fs, 0.025*Fs);
plt.subplot(2,1,1); plt.plot(F[0,:]); plt.xlabel('Frame no'); plt.ylabel('ZCR');
plt.subplot(2,1,2); plt.plot(F[1,:]); plt.xlabel('Frame no'); plt.ylabel('Energy'); plt.show()
如果希望了解更多的音頻特征，這里給出一個鏈接，點擊這里，包含的特征有：
對應都有graph、sound可以點擊，sound是對應的音頻，graph對應的是特征的效果圖，比如打開zeroCross:
三、pyAudioAnalysis工具包安裝
pyAudioAnalysis對應鏈接點擊這里。安裝這個工具包需要依賴：
A-hmmlearn安裝
hmmlearn的鏈接點擊這里。安裝hmmlearn有幾個前提：
下載之后，我把hmmlearn-master放在python-3.5.2-0\Lib\目錄，cmd窗口下cd進去，輸入：
pip install -U --user hmmlearn
即可安裝成功：
B-Simplejson工具包安裝：
Simplejson是Python的JSON編碼和解碼器，它具有簡單、快速、完整、正確和易於擴展的特點，對應的鏈接點擊這里。Simplejson工具包直接conda安裝即可：
C-eyed3安裝：
eyed3：A tool for working with audio files, specifically MP3 files containing ID3 metadata. 它提供了讀寫 ID3 標簽(v1.x 和 v2.3/v2.4)的功能。同時可檢測 MP3 文件的頭信息，包括比特率、采樣頻率和播放時間等。eyed3直接conda install沒有成功，對應的鏈接點擊這里。選擇了這個版本：
放在了python庫的Lib文件夾下：C:\Users\Nobleding\Anaconda3\pkgs\python-3.5.2-0\Lib，cd到對應目錄下，pip install 文件名.whl，即可完成安裝
D-pydub安裝：
pydub是音頻處理常用的工具包，例如：
打開一個wav格式文件：
from pydub import AudioSegment
song = AudioSegment.from_wav("never_gonna_give_you_up.wav")
打開一個mp3格式文件：
song = AudioSegment.from_mp3("never_gonna_give_you_up.mp3")
或者其他音頻、視頻格式：
ogg_version = AudioSegment.from_ogg("never_gonna_give_you_up.ogg")
flv_version = AudioSegment.from_flv("never_gonna_give_you_up.flv")
mp4_version = AudioSegment.from_file("never_gonna_give_you_up.mp4", "mp4")
wma_version = AudioSegment.from_file("never_gonna_give_you_up.wma", "wma")
aac_version = AudioSegment.from_file("never_gonna_give_you_up.aiff", "aac")
更多細節信息可以訪問其主頁。我在github上下載對應的工具包，里邊有對應的安裝說明。
如果處理wav文件，沒有其他要求，如果音頻是其他格式它要求電腦安裝 ffmpeg orlibav.如果沒有安裝，運行會有提示：
ffmpeg下載，選擇版本
解壓並添加環境變量，並利用ffplay測試一下打開一個mp4文件：
ffmpeg安裝成功。這個時候import pydub,不再有warning信息
E-pyAudioAnalysis安裝
Github給出的是linux下的安裝思路，這里下載之后將pyAudioAnalysis放在了\Anaconda3\Lib\site-packages文件夾下，輸入指令：
成功調用，原數據是支持Python2的，很多細節要修改，給出一個簡單讀取wav的測試：
from pyAudioAnalysis import audioBasicIO
import numpy as np
import matplotlib.pyplot as plt
[Fs, x] = audioBasicIO.readAudioFile("count2.wav");
time = np.arange(0,len(x))*1.0/Fs
plt.plot(time,x)
效果圖：