「スペクトラルノイズ除去による雑音除去」によるNameErrorメッセージ

Question

前提・実現したいこと

スペクトラルノイズ除去による雑音除去
https://www.ai-shift.co.jp/techblog/1305

こちらのサイトを使って、ノイズ除去を実行したいと思っています。
下から5行目の
noise_stft = _stft(noise_clip, n_fft, hop_length, win_length)

の部分でNameError:name'noise_clip' is not definedがでます。

サイトのどの部分を見てもnoise_clipはその12行目だけにしかないです。
解決方法分かればお願いします。

発生している問題・エラーメッセージ

NameError:name'noise_clip' is not defined

該当のソースコード

import numpy as np
from scipy.ndimage import maximum_filter1d

def envelope(y, rate, threshold):
    """
    Args:
        - y: 信号データ
        - rate: サンプリング周波数
        - threshold: 雑音判断するしきい値
    Returns:
        - mask: 振幅がしきい値以上か否か
        - y_mean: Sound Envelop
    """
    y_mean = maximum_filter1d(np.abs(y), mode="constant", size=rate//20)
    mask = [mean > threshold for mean in y_mean]
    return mask, y_mean


n_fft=2048  # STFTカラム間の音声フレーム数
hop_length=512  # STFTカラム間の音声フレーム数
win_length=2048  # ウィンドウサイズ
n_std_thresh=1.5  # 信号とみなされるために、ノイズの平均値よりも大きい標準偏差（各周波数レベルでの平均値のdB）が何個あるかのしきい値

def _stft(y, n_fft, hop_length, win_length):
    return librosa.stft(y=y, n_fft=n_fft, hop_length=hop_length, win_length=win_length)

def _amp_to_db(x):
    return librosa.core.amplitude_to_db(x, ref=1.0, amin=1e-20, top_db=80.0)

noise_stft = _stft(noise_clip, n_fft, hop_length, win_length)
noise_stft_db = _amp_to_db(np.abs(noise_stft))  # dBに変換する
   
mean_freq_noise = np.mean(noise_stft_db, axis=1)
std_freq_noise = np.std(noise_stft_db, axis=1)
noise_thresh = mean_freq_noise + std_freq_noise * n_std_thresh

Answer 1

その記事とコードからやろうとしていることを読み取ると、
・ノイズ自身に短時間フーリエ変換(STFT)をかけて音声特徴を抽出
・その音声特徴を用いてノイズ除去を試みる

というスキームである考えられます。

ここで、「noise_clip」は元となるノイズ音声データではないかと推測されます。

そして、特徴抽出する前段階のノイズ音声データ（noise_clip）自体は
別途ノイズだけ録音したものを使うのではなく、
envelope関数を用いて、元の鳥のなき声が入った音声ファイルからしきい値で粗々のデータを得ようとしていると推測されます。

（その記事のコードだと、envelop関数が、定義だけされていて、どこからも参照されていない、という点からの推理です）

なので下記のような形になるでしょうか。

（thresholdは適当です。適宜調整してください）

（略）
def _amp_to_db(x):
    return librosa.core.amplitude_to_db(x, ref=1.0, amin=1e-20, top_db=80.0)

+sample_rate= 32000

+# 音声ファイルの読み込み
+sig, _ = librosa.load(path=音声ファイルパス, sr=sample_rate)

+# ノイズデータ取得
+mask, noise_clip = envelope(sig, sample_rate, threshold=0.03)


noise_stft = _stft(noise_clip, n_fft, hop_length, win_length)
以下略

Comments

[SSDD]

この通りにやったらできました！ありがとうございます。