[深度学习工具]·音频特征提取pyAudioAnalysis工具包作者：桂。链接：http://www.cnblogs.

作者：桂。

时间：2017-05-04 18:31:09

链接：www.cnblogs.com/xingshansi/…

前言

语音识别等应用离不开音频特征的提取，最近在看音频特征提取的内容，用到一个python下的工具包——pyAudioAnalysis: An Open-Source Python Library for Audio Signal Analysis，该工具包的说明文档可以点击这里下载，对应的github链接点击这里。

这个工具包原说明文档支持的是Linux安装，且不能与python3很好地兼容，注意啦

一、常用工具包简介

目前针对音频信号，C/C++ 、Python、MATLAB等常用的工具包有：

二、pyAudioAnalysis工具包简介

pyAudioAnalysis是一个音频处理工具包，主要功能如图：

其中Feature Extraction包括（顺序有先后）：

补充说明一下：

1-Zero Crossing Rate：短时平均过零率，即每帧信号内，信号过零点的次数，体现的是频率特性
2-Energy：短时能量，即每帧信号的平方和，体现的是信号能量的强弱
3-Entropy of Energy：能量熵，跟频谱的谱熵（Spectral Entropy）有点类似，不过它描述的是信号的时域分布情况，体现的是连续性
4-Spectral Centroid：频谱中心又称为频谱一阶距，频谱中心的值越小，表明越多的频谱能量集中在低频范围内，如：voice与music相比，通常spectral centroid较低
5-Spectral Spread：频谱延展度，又称为频谱二阶中心矩，它描述了信号在频谱中心周围的分布状况
6-Spectral Entropy：谱熵，根据熵的特性可以知道，分布越均匀，熵越大，能量熵反应了每一帧信号的均匀程度，如说话人频谱由于共振峰存在显得不均匀，而白噪声的频谱就更加均匀，借此进行VAD便是应用之一

7-Spectral Flux：频谱通量，描述的是相邻帧频谱的变化情况

12345678	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：频谱滚降点，给出定义：

9~21-MFCCs：就是大名鼎鼎的梅尔倒谱系数，这个网上资料非常多，也是非常重要的音频特征。
22~33-Chroma Vector：这个有12个参数，对应就是12级音阶，还是看原文解释：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：这个就是Chroma Vector的标准方差。

这个在音乐声里可能用的比较多，目前没有接触这类特征：

什么是Chroma特征呢？给出一个示意图

code示例：

1234567 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频特征，这里给出一个链接，点击这里，包含的特征有：

对应都有graph、sound可以点击，sound是对应的音频，graph对应的是特征的效果图，比如打开zeroCross:

三、pyAudioAnalysis工具包安装

pyAudioAnalysis对应链接点击这里。安装这个工具包需要依赖：

A-hmmlearn安装

hmmlearn的链接点击这里。安装hmmlearn有几个前提：

下载之后，我把hmmlearn-master放在python-3.5.2-0\Lib\目录，cmd窗口下cd进去，输入：

1	pip install ``-``U ``-``-``user hmmlearn

　　即可安装成功：

B-Simplejson工具包安装：

Simplejson是Python的JSON编码和解码器，它具有简单、快速、完整、正确和易于扩展的特点，对应的链接点击这里。Simplejson工具包直接conda安装即可：

C-eyed3安装：

eyed3：A tool for working with audio files, specifically MP3 files containing ID3 metadata. 它提供了读写 ID3 标签(v1.x 和 v2.3/v2.4)的功能。同时可检测 MP3 文件的头信息，包括比特率、采样频率和播放时间等。eyed3直接conda install没有成功，对应的链接点击这里。选择了这个版本：

放在了python库的Lib文件夹下：C:\Users\Nobleding\Anaconda3\pkgs\python-3.5.2-0\Lib，cd到对应目录下，pip install 文件名.whl，即可完成安装

D-pydub安装：

pydub是音频处理常用的工具包，例如：

打开一个wav格式文件：

12	`from` pydub ``import AudioSegment``song ``= AudioSegment.from_wav(``"never_gonna_give_you_up.wav"``)

　　打开一个mp3格式文件：

1	song ``= AudioSegment.from_mp3(``"never_gonna_give_you_up.mp3"``)

　　或者其他音频、视频格式：

123456 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"``)

　　更多细节信息可以访问其主页。我在github上下载对应的工具包，里边有对应的安装说明。