python3で音声をフレーム切り出ししたい

Question

前提・実現したいこと

音声認識の前処理としてフレームの切り出しを行いたい

発生している問題・エラーメッセージ

Traceback (most recent call last):
  File "framecut.py", line 42, in <module>
    cutting(x,fs)
  File "framecut.py", line 22, in cutting
    save(y,fs,16,"cut/cuttedsound_"+str(m)+'.wav')
  File "framecut.py", line 32, in save
    wf.writeframes(data)
  File "/home/hoge/.pyenv/versions/anaconda3-5.0.1/lib/python3.6/wave.py", line 427, in writeframes
    self.writeframesraw(data)
  File "/home/hoge/.pyenv/versions/anaconda3-5.0.1/lib/python3.6/wave.py", line 415, in writeframesraw
    data = memoryview(data).cast('B')
TypeError: memoryview: a bytes-like object is required, not 'list'

該当のソースコード

#coding:utf-8
import wave
import struct
from pylab import *

def cutting(x,fs):
	frameSize = 0.025
	frameShift = 0.010

	frameSizeSample = int(fs * frameSize)
	frameShiftSample = int(fs * frameShift)

	maxFrame = int((len(x) - (frameSizeSample - frameShiftSample) / frameShiftSample ) -1)

	startThisFrame = 0
	endThisFrame = startThisFrame + frameSizeSample
	
	for n in range(maxFrame):
		y = [0.0] * frameSizeSample
		for m in range(frameSizeSample):
			y[m] = x[m + startThisFrame]
		save(y,fs,16,"cut/cuttedsound_"+str(m)+'.wav')
		startThisFrame = startThisFrame + frameShiftSample


def save(data, fs, bit, filename):
    """波形データをWAVEファイルへ出力"""
    wf = wave.open(filename, "w")
    wf.setnchannels(1)
    wf.setsampwidth(bit // 8)
    wf.setframerate(fs)
    wf.writeframes(data)
    wf.close()

if __name__ == '__main__':
    wf = wave.open("data/combined_sine.wav", "r")
    fs = wf.getframerate()

    x = wf.readframes(wf.getnframes())
    x = frombuffer(x, dtype="int16") // 32768.0 #-1 ~ 1

    cutting(x,fs)

補足情報（FW/ツールのバージョンなど）

こちらのサイトのフレーム切り出しの項目を参考にしました
http://speechresearch.fiw-web.net/73.html#q962d911

Answer 1

問題点を順番に。。

(1)ループの処理が間違っている
現状

startThisFrame = 0
for n in range(maxFrame):
    #処理
    startThisFrame = startThisFrame + frameShiftSample

となっておりますが、これだと startThsFrame に maxFrame回 frameShiftSample が足されてしまいます。
ですので、この部分は

for startThisFrame in range(0, maxFrame, frameShiftSample):
    #処理

とするべきでしょう。

(2)ファイル名が毎回同じ
現状

save(y,fs,16,"cut/cuttedsound_"+str(m)+'.wav')

となっておりますが、m は毎回同じ値となりますので、ファイルが１つしか出来ません。
本来は

save(y,fs,16,"cut/cuttedsound_"+str(startThisFrame)+'.wav')

とするべきではないでしょうか。

(3)内部のループは無駄
現状

y = [0.0] * frameSizeSample
for m in range(frameSizeSample):
    y[m] = x[m + startThisFrame]

となっている箇所は、特にデータをyに１サンプルずつコピーする必要がなく、単に

y = x[startThisFrame:startThisFrame+frameSizeSample]

でよいのではないでしょうか

ということで、まとめると

def cutting(x,fs):
    frameSize = 0.025
    frameShift = 0.010

    frameSizeSample = int(fs * frameSize)
    frameShiftSample = int(fs * frameShift)
    maxFrame = int((len(x) - (frameSizeSample - frameShiftSample) / frameShiftSample ) -1)

    for startThisFrame in range(0,maxFrame,frameShiftSample):
        y = x[startThisFrame:startThisFrame+frameSizeSample]
        save(y,fs,16,"cut/cuttedsound_"+str(startThisFrame)+'.wav')

となります

Comments

[vega]

ありがとうございます！
どちらでもエラーが解消されたのですが、こちらのほうが処理速度が早かったのでこちらをベストアンサーにさせていただきます

Answer 2

y = [0.0] * frameSizeSample

を

y = np.zeros(frameSizeSample, dtype=np.int16)

にすればいいかも。

Comments

[vega]

回答していただきありがとうございました！