【數據預處理】TIMIT語料庫WAV文件轉換

1 問題描述

這兩天復現代碼。先構造數據集，純凈語音、不同噪聲、不同SNR的混合語音。其中純凈語音由兩部分組成，IEEE corpus和TIMIT。

一開始我用MATLAB中的audioread讀取音頻文件，合成后用audiowrite保存下來。沒有任何問題。

后來，師姐讓我換成python處理，不管是wave還是scipy.io中的wavfile，在讀取TIMIT的原始WAV時都會報錯。

stackoverflow上相關問題及解決方案

2 原因定位

通過上述問答以及TIMIT語料庫的官方說明文件，我們可以發現TIMIT中的WAV文件是：

 

我們用notepad++打開任意一個數據集中的wav文件，可以看到以下內容作為開頭：

而以同樣方式打開普通的wav文件，則開頭內容為：

3 解決思路

將SPHERE文件轉換成WAV文件。

網上可以找到許多方法，在此我采用了Dystopia在基於各種分類算法的說話人識別（年齡段識別）一文中的方法。

Kaldi中tools下有SPHERE文件轉換工具sph2pipe.exe

1.下載編譯sph2pipe

jacoxu的WSJ0數據中的.wv1文件(sph)讀取

轉換工具：sph2pipe_v2.5，如果安裝過Kaldi的話，可以直接使用 $KALDI_ROOT/tools/sph2pipe_v2.5/sph2pipe，如果沒有安裝的話，可以單獨下載：http://sourceforge.net/projects/kaldi/files/sph2pipe_v2.5.tar.gz

如果是在Windows環境下的話直接使用sph2pipe.exe即可，如果是在linux環境下的話，則需要進行GCC編碼：gcc -o sph2pipe  *.c -lm

2.用re_sph2pipe.py腳本生成sph2pipe轉換文件

#encoding="utf-8"
import os
import os.path
rootdir = "/data/Datasets/yuanpp/TIMIT"
timitpath = "/data/Datasets/yuanpp/TIMIT"
targetpath = "/data/Datasets/yuanpp/TIMIT_convert"
sph2pipepath = "/home/yuanpeipei/sph2pipe_v2.5/sph2pipe"
f = open('./make_sph2pipe_file.txt','w')
for root,dirs,files in os.walk(rootdir):
    for fn in files:
        if fn[len(fn)-3:len(fn)]=='wav':
            sourcefile = timitpath+root[len(rootdir):]+"/"+fn
            targetfile = targetpath + "/" + fn
            s = sph2pipepath + " -f wav " + sourcefile+" "+targetfile+"\n"
            f.write(s)
f.close()

生成make_sph2pipe_file.txt文件，內容為命令行。

/home/yuanpeipei/sph2pipe_v2.5/sph2pipe -f wav /data/Datasets/yuanpp/TIMIT/pure_utterance/validation/S_125_06.wav /data/Datasets/yuanpp/TIMIT_convert/S_125_06.wav
/home/yuanpeipei/sph2pipe_v2.5/sph2pipe -f wav /data/Datasets/yuanpp/TIMIT/pure_utterance/validation/S_130_03.wav /data/Datasets/yuanpp/TIMIT_convert/S_130_03.wav
/home/yuanpeipei/sph2pipe_v2.5/sph2pipe -f wav /data/Datasets/yuanpp/TIMIT/pure_utterance/validation/S_60_10.wav /data/Datasets/yuanpp/TIMIT_convert/S_60_10.wav
/home/yuanpeipei/sph2pipe_v2.5/sph2pipe -f wav /data/Datasets/yuanpp/TIMIT/pure_utterance/validation/S_130_06.wav /data/Datasets/yuanpp/TIMIT_convert/S_130_06.wav
... ...

3.在linux下執行shell命令

#!/bin/sh
while read line
do
  $line
done < make_sph2pipe_file.txt

即可。

參考資料：

[1] 基於各種分類算法的說話人識別（年齡段識別）

[2] WSJ0數據中的.wv1文件(sph)讀取

[3] reading a WAV file from TIMIT database in python