質問編集履歴
2
文法の変更
test
CHANGED
|
File without changes
|
test
CHANGED
|
@@ -10,7 +10,7 @@
|
|
|
10
10
|
|
|
11
11
|
### 発生している問題・エラーメッセージ
|
|
12
12
|
|
|
13
|
-
|
|
13
|
+
Error: unknown format: 65534
|
|
14
14
|
|
|
15
15
|
|
|
16
16
|
|
|
@@ -36,9 +36,9 @@
|
|
|
36
36
|
|
|
37
37
|
|
|
38
38
|
|
|
39
|
-
def wavread():
|
|
39
|
+
def wavread(filename):
|
|
40
|
-
|
|
40
|
+
|
|
41
|
-
wf = wave.open(
|
|
41
|
+
wf = wave.open(filename, "r")
|
|
42
42
|
|
|
43
43
|
fs = wf.getframerate()
|
|
44
44
|
|
|
@@ -232,7 +232,7 @@
|
|
|
232
232
|
|
|
233
233
|
# 音声をロード
|
|
234
234
|
|
|
235
|
-
wav, fs = wavread(
|
|
235
|
+
wav, fs = wavread(wavfile)
|
|
236
236
|
|
|
237
237
|
t = np.arange(0.0, len(wav) / fs, 1/fs)
|
|
238
238
|
|
|
@@ -256,7 +256,7 @@
|
|
|
256
256
|
|
|
257
257
|
if __name__ == "__main__":
|
|
258
258
|
|
|
259
|
-
wavfile=
|
|
259
|
+
wavfile= "call01.wav" #1
|
|
260
260
|
|
|
261
261
|
nfft=2048
|
|
262
262
|
|
|
@@ -264,7 +264,7 @@
|
|
|
264
264
|
|
|
265
265
|
tmp = get_feature(wavfile,nfft,nceps)
|
|
266
266
|
|
|
267
|
-
print (tmp)
|
|
267
|
+
print (tmp) #2
|
|
268
268
|
|
|
269
269
|
|
|
270
270
|
|
|
@@ -274,23 +274,21 @@
|
|
|
274
274
|
|
|
275
275
|
# 試したこと
|
|
276
276
|
|
|
277
|
-
|
|
277
|
+
前回の質問より、ほとんどリンク元のコードのまま実行してみました。変更点といたしましては、下から5行目（＃１）と1行目（＃２）のコードの
|
|
278
|
+
|
|
278
|
-
|
|
279
|
+
1.参照するファイル名の変更
|
|
280
|
+
|
|
281
|
+
2.printに()をつけたこと。（リンク元のコードがPython2.7のため）
|
|
282
|
+
|
|
283
|
+
を行いました。
|
|
284
|
+
|
|
285
|
+
|
|
286
|
+
|
|
287
|
+
少し調べてみたところ、
|
|
288
|
+
|
|
279
|
-
|
|
289
|
+
[Why GitHub? wave.Error: unknown format: 65534 #129](https://github.com/jiaaro/pydub/issues/129)
|
|
280
|
-
|
|
281
|
-
|
|
282
|
-
|
|
283
|
-
|
|
290
|
+
|
|
284
|
-
|
|
285
|
-
に置き換えたりしてみたのですが、上手くいきませんでした。
|
|
286
|
-
|
|
287
|
-
|
|
288
|
-
|
|
289
|
-
下から、14行目の
|
|
290
|
-
|
|
291
|
-
wav, fs = wavread('call01.wav')
|
|
292
|
-
|
|
293
|
-
|
|
291
|
+
上記でも似たようなエラーで困っている人を見つけ、色々とコードをいじってみてはいるのですが、上手くいきません。
|
|
294
292
|
|
|
295
293
|
|
|
296
294
|
|
1
コードの挿入、およびリンクの挿入を行なった。
test
CHANGED
|
File without changes
|
test
CHANGED
|
@@ -1,10 +1,10 @@
|
|
|
1
1
|
### 前提・実現したいこと
|
|
2
2
|
|
|
3
|
-
http://webdatareport.hatenablog.com/entry/2016/11/06/161304
|
|
3
|
+
[はてなブログ Webデータレポート 生活音を機械学習してみた](http://webdatareport.hatenablog.com/entry/2016/11/06/161304)
|
|
4
|
-
|
|
5
|
-
|
|
6
|
-
|
|
4
|
+
|
|
5
|
+
|
|
6
|
+
|
|
7
|
-
上記の
|
|
7
|
+
上記のリンクを参考にPython3を用いて、音声（wav）の機械学習をしたいと考えております。wavファイルのスペクトグラムや振幅の表示はできたのですが、MFCC(メル周波数ケプストラム係数)のあたりから上手くいかず、wavファイルからベクトルを生成することができません。
|
|
8
8
|
|
|
9
9
|
|
|
10
10
|
|
|
@@ -20,260 +20,258 @@
|
|
|
20
20
|
|
|
21
21
|
```Python3
|
|
22
22
|
|
|
23
|
+
#coding:utf-8
|
|
24
|
+
|
|
25
|
+
import wave
|
|
26
|
+
|
|
27
|
+
import numpy as np
|
|
28
|
+
|
|
29
|
+
import scipy.signal
|
|
30
|
+
|
|
31
|
+
import scipy.fftpack
|
|
32
|
+
|
|
33
|
+
import scipy.fftpack.realtransforms
|
|
34
|
+
|
|
35
|
+
import scipy.io.wavfile
|
|
36
|
+
|
|
37
|
+
|
|
38
|
+
|
|
39
|
+
def wavread(): #1
|
|
40
|
+
|
|
41
|
+
wf = wave.open('call01.wav', "r") #2
|
|
42
|
+
|
|
43
|
+
fs = wf.getframerate()
|
|
44
|
+
|
|
45
|
+
x = wf.readframes(wf.getnframes())
|
|
46
|
+
|
|
47
|
+
x = np.frombuffer(x, dtype="int16") / 32768.0 # (-1, 1)に正規化
|
|
48
|
+
|
|
49
|
+
wf.close()
|
|
50
|
+
|
|
51
|
+
return x, float(fs)
|
|
52
|
+
|
|
53
|
+
|
|
54
|
+
|
|
55
|
+
def hz2mel(f):
|
|
56
|
+
|
|
57
|
+
"""Hzをmelに変換"""
|
|
58
|
+
|
|
59
|
+
return 1127.01048 * np.log(f / 700.0 + 1.0)
|
|
60
|
+
|
|
61
|
+
|
|
62
|
+
|
|
63
|
+
def mel2hz(m):
|
|
64
|
+
|
|
65
|
+
"""melをhzに変換"""
|
|
66
|
+
|
|
67
|
+
return 700.0 * (np.exp(m / 1127.01048) - 1.0)
|
|
68
|
+
|
|
69
|
+
|
|
70
|
+
|
|
71
|
+
def melFilterBank(fs, nfft, numChannels):
|
|
72
|
+
|
|
73
|
+
"""メルフィルタバンクを作成"""
|
|
74
|
+
|
|
75
|
+
# ナイキスト周波数（Hz）
|
|
76
|
+
|
|
77
|
+
fmax = fs / 2
|
|
78
|
+
|
|
79
|
+
# ナイキスト周波数（mel）
|
|
80
|
+
|
|
81
|
+
melmax = hz2mel(fmax)
|
|
82
|
+
|
|
83
|
+
# 周波数インデックスの最大数
|
|
84
|
+
|
|
85
|
+
nmax = nfft / 2
|
|
86
|
+
|
|
87
|
+
# 周波数解像度（周波数インデックス1あたりのHz幅）
|
|
88
|
+
|
|
89
|
+
df = fs / nfft
|
|
90
|
+
|
|
91
|
+
# メル尺度における各フィルタの中心周波数を求める
|
|
92
|
+
|
|
93
|
+
dmel = melmax / (numChannels + 1)
|
|
94
|
+
|
|
95
|
+
melcenters = np.arange(1, numChannels + 1) * dmel
|
|
96
|
+
|
|
97
|
+
# 各フィルタの中心周波数をHzに変換
|
|
98
|
+
|
|
99
|
+
fcenters = mel2hz(melcenters)
|
|
100
|
+
|
|
101
|
+
# 各フィルタの中心周波数を周波数インデックスに変換
|
|
102
|
+
|
|
103
|
+
indexcenter = np.round(fcenters / df)
|
|
104
|
+
|
|
105
|
+
# 各フィルタの開始位置のインデックス
|
|
106
|
+
|
|
107
|
+
indexstart = np.hstack(([0], indexcenter[0:numChannels - 1]))
|
|
108
|
+
|
|
109
|
+
# 各フィルタの終了位置のインデックス
|
|
110
|
+
|
|
111
|
+
indexstop = np.hstack((indexcenter[1:numChannels], [nmax]))
|
|
112
|
+
|
|
113
|
+
|
|
114
|
+
|
|
115
|
+
filterbank = np.zeros((numChannels, nmax))
|
|
116
|
+
|
|
117
|
+
for c in np.arange(0, numChannels):
|
|
118
|
+
|
|
119
|
+
# 三角フィルタの左の直線の傾きから点を求める
|
|
120
|
+
|
|
121
|
+
increment= 1.0 / (indexcenter[c] - indexstart[c])
|
|
122
|
+
|
|
123
|
+
for i in np.arange(indexstart[c], indexcenter[c]):
|
|
124
|
+
|
|
125
|
+
i=int(i)
|
|
126
|
+
|
|
127
|
+
filterbank[c, i] = (i - indexstart[c]) * increment
|
|
128
|
+
|
|
129
|
+
# 三角フィルタの右の直線の傾きから点を求める
|
|
130
|
+
|
|
131
|
+
decrement = 1.0 / (indexstop[c] - indexcenter[c])
|
|
132
|
+
|
|
133
|
+
for i in np.arange(indexcenter[c], indexstop[c]):
|
|
134
|
+
|
|
135
|
+
i=int(i)
|
|
136
|
+
|
|
137
|
+
filterbank[c, i] = 1.0 - ((i - indexcenter[c]) * decrement)
|
|
138
|
+
|
|
139
|
+
|
|
140
|
+
|
|
141
|
+
return filterbank, fcenters
|
|
142
|
+
|
|
143
|
+
|
|
144
|
+
|
|
145
|
+
def preEmphasis(signal, p):
|
|
146
|
+
|
|
147
|
+
"""プリエンファシスフィルタ"""
|
|
148
|
+
|
|
149
|
+
# 係数 (1.0, -p) のFIRフィルタを作成
|
|
150
|
+
|
|
151
|
+
return scipy.signal.lfilter([1.0, -p], 1, signal)
|
|
152
|
+
|
|
153
|
+
|
|
154
|
+
|
|
155
|
+
def mfcc(signal, nfft, fs, nceps):
|
|
156
|
+
|
|
157
|
+
"""信号のMFCCパラメータを求める
|
|
158
|
+
|
|
159
|
+
signal: 音声信号
|
|
160
|
+
|
|
161
|
+
nfft : FFTのサンプル数
|
|
162
|
+
|
|
163
|
+
nceps : MFCCの次元"""
|
|
164
|
+
|
|
165
|
+
# プリエンファシスフィルタをかける
|
|
166
|
+
|
|
167
|
+
p = 0.97 # プリエンファシス係数
|
|
168
|
+
|
|
169
|
+
signal = preEmphasis(signal, p)
|
|
170
|
+
|
|
171
|
+
|
|
172
|
+
|
|
173
|
+
# ハミング窓をかける
|
|
174
|
+
|
|
175
|
+
hammingWindow = np.hamming(len(signal))
|
|
176
|
+
|
|
177
|
+
signal = signal * hammingWindow
|
|
178
|
+
|
|
179
|
+
|
|
180
|
+
|
|
181
|
+
# 振幅スペクトルを求める
|
|
182
|
+
|
|
183
|
+
spec = np.abs(np.fft.fft(signal, nfft))[:nfft/2]
|
|
184
|
+
|
|
185
|
+
fscale = np.fft.fftfreq(nfft, d = 1.0 / fs)[:nfft/2]
|
|
186
|
+
|
|
187
|
+
|
|
188
|
+
|
|
189
|
+
# メルフィルタバンクを作成
|
|
190
|
+
|
|
191
|
+
numChannels = 20 # メルフィルタバンクのチャネル数
|
|
192
|
+
|
|
193
|
+
df = fs / nfft # 周波数解像度（周波数インデックス1あたりのHz幅）
|
|
194
|
+
|
|
195
|
+
filterbank, fcenters = melFilterBank(fs, nfft, numChannels)
|
|
196
|
+
|
|
197
|
+
|
|
198
|
+
|
|
199
|
+
|
|
200
|
+
|
|
201
|
+
# 定義通りに書いた場合
|
|
202
|
+
|
|
203
|
+
# 振幅スペクトルに対してフィルタバンクの各フィルタをかけ、振幅の和の対数をとる
|
|
204
|
+
|
|
205
|
+
mspec = np.log10(np.dot(spec, filterbank.T))
|
|
206
|
+
|
|
207
|
+
|
|
208
|
+
|
|
209
|
+
|
|
210
|
+
|
|
211
|
+
# 離散コサイン変換
|
|
212
|
+
|
|
213
|
+
ceps = scipy.fftpack.realtransforms.dct(mspec, type=2, norm="ortho", axis=-1)
|
|
214
|
+
|
|
215
|
+
|
|
216
|
+
|
|
217
|
+
# 低次成分からnceps個の係数を返す
|
|
218
|
+
|
|
219
|
+
return ceps[:nceps]
|
|
220
|
+
|
|
221
|
+
|
|
222
|
+
|
|
223
|
+
#wavファイルと次元数を入れてMFCCを抽出
|
|
224
|
+
|
|
225
|
+
# nfft:FFTのサンプル数 1024, 2048, 4096
|
|
226
|
+
|
|
227
|
+
# nceps:MFCCの次元数 大体12次元が多い
|
|
228
|
+
|
|
229
|
+
# ※ fs * cuttime >= nfft/2 を満たす値を与えなければいけない
|
|
230
|
+
|
|
231
|
+
def get_feature(wavfile,nfft,nceps):
|
|
232
|
+
|
|
23
|
-
|
|
233
|
+
# 音声をロード
|
|
234
|
+
|
|
235
|
+
wav, fs = wavread('call01.wav')
|
|
236
|
+
|
|
237
|
+
t = np.arange(0.0, len(wav) / fs, 1/fs)
|
|
238
|
+
|
|
239
|
+
|
|
240
|
+
|
|
241
|
+
# 音声波形の中心部分を切り出す
|
|
242
|
+
|
|
243
|
+
center = len(wav) / 2 # 中心のサンプル番号
|
|
244
|
+
|
|
245
|
+
cuttime = 0.8 # 切り出す長さ [s]
|
|
246
|
+
|
|
247
|
+
wavdata = wav[int(center - cuttime/2*fs) : int(center + cuttime/2*fs)]
|
|
248
|
+
|
|
249
|
+
|
|
250
|
+
|
|
251
|
+
ceps = mfcc(wavdata, nfft, fs, nceps)
|
|
252
|
+
|
|
253
|
+
return ceps.tolist()
|
|
254
|
+
|
|
255
|
+
|
|
256
|
+
|
|
257
|
+
if __name__ == "__main__":
|
|
258
|
+
|
|
259
|
+
wavfile= 'call01.wav'
|
|
260
|
+
|
|
261
|
+
nfft=2048
|
|
262
|
+
|
|
263
|
+
nceps=12
|
|
264
|
+
|
|
265
|
+
tmp = get_feature(wavfile,nfft,nceps)
|
|
266
|
+
|
|
267
|
+
print (tmp)
|
|
268
|
+
|
|
269
|
+
|
|
270
|
+
|
|
271
|
+
|
|
24
272
|
|
|
25
273
|
```
|
|
26
274
|
|
|
27
|
-
//coding:utf-8
|
|
28
|
-
|
|
29
|
-
import wave
|
|
30
|
-
|
|
31
|
-
import numpy as np
|
|
32
|
-
|
|
33
|
-
import scipy.signal
|
|
34
|
-
|
|
35
|
-
import scipy.fftpack
|
|
36
|
-
|
|
37
|
-
import scipy.fftpack.realtransforms
|
|
38
|
-
|
|
39
|
-
import scipy.io.wavfile
|
|
40
|
-
|
|
41
|
-
|
|
42
|
-
|
|
43
|
-
def wavread(): #1
|
|
44
|
-
|
|
45
|
-
wf = wave.open('call01.wav', "r") #2
|
|
46
|
-
|
|
47
|
-
fs = wf.getframerate()
|
|
48
|
-
|
|
49
|
-
x = wf.readframes(wf.getnframes())
|
|
50
|
-
|
|
51
|
-
x = np.frombuffer(x, dtype="int16") / 32768.0 #(-1, 1)に正規化
|
|
52
|
-
|
|
53
|
-
wf.close()
|
|
54
|
-
|
|
55
|
-
return x, float(fs)
|
|
56
|
-
|
|
57
|
-
|
|
58
|
-
|
|
59
|
-
def hz2mel(f):
|
|
60
|
-
|
|
61
|
-
"""Hzをmelに変換"""
|
|
62
|
-
|
|
63
|
-
return 1127.01048 * np.log(f / 700.0 + 1.0)
|
|
64
|
-
|
|
65
|
-
|
|
66
|
-
|
|
67
|
-
def mel2hz(m):
|
|
68
|
-
|
|
69
|
-
"""melをhzに変換"""
|
|
70
|
-
|
|
71
|
-
return 700.0 * (np.exp(m / 1127.01048) - 1.0)
|
|
72
|
-
|
|
73
|
-
|
|
74
|
-
|
|
75
|
-
def melFilterBank(fs, nfft, numChannels):
|
|
76
|
-
|
|
77
|
-
"""メルフィルタバンクを作成"""
|
|
78
|
-
|
|
79
|
-
// ナイキスト周波数（Hz）
|
|
80
|
-
|
|
81
|
-
fmax = fs / 2
|
|
82
|
-
|
|
83
|
-
// ナイキスト周波数（mel）
|
|
84
|
-
|
|
85
|
-
melmax = hz2mel(fmax)
|
|
86
|
-
|
|
87
|
-
// 周波数インデックスの最大数
|
|
88
|
-
|
|
89
|
-
nmax = nfft / 2
|
|
90
|
-
|
|
91
|
-
// 周波数解像度（周波数インデックス1あたりのHz幅）
|
|
92
|
-
|
|
93
|
-
df = fs / nfft
|
|
94
|
-
|
|
95
|
-
// メル尺度における各フィルタの中心周波数を求める
|
|
96
|
-
|
|
97
|
-
dmel = melmax / (numChannels + 1)
|
|
98
|
-
|
|
99
|
-
melcenters = np.arange(1, numChannels + 1) * dmel
|
|
100
|
-
|
|
101
|
-
// 各フィルタの中心周波数をHzに変換
|
|
102
|
-
|
|
103
|
-
fcenters = mel2hz(melcenters)
|
|
104
|
-
|
|
105
|
-
// 各フィルタの中心周波数を周波数インデックスに変換
|
|
106
|
-
|
|
107
|
-
indexcenter = np.round(fcenters / df)
|
|
108
|
-
|
|
109
|
-
// 各フィルタの開始位置のインデックス
|
|
110
|
-
|
|
111
|
-
indexstart = np.hstack(([0], indexcenter[0:numChannels - 1]))
|
|
112
|
-
|
|
113
|
-
// 各フィルタの終了位置のインデックス
|
|
114
|
-
|
|
115
|
-
indexstop = np.hstack((indexcenter[1:numChannels], [nmax]))
|
|
116
|
-
|
|
117
|
-
|
|
118
|
-
|
|
119
|
-
filterbank = np.zeros((numChannels, nmax))
|
|
120
|
-
|
|
121
|
-
for c in np.arange(0, numChannels):
|
|
122
|
-
|
|
123
|
-
// 三角フィルタの左の直線の傾きから点を求める
|
|
124
|
-
|
|
125
|
-
increment= 1.0 / (indexcenter[c] - indexstart[c])
|
|
126
|
-
|
|
127
|
-
for i in np.arange(indexstart[c], indexcenter[c]):
|
|
128
|
-
|
|
129
|
-
i=int(i)
|
|
130
|
-
|
|
131
|
-
filterbank[c, i] = (i - indexstart[c]) * increment
|
|
132
|
-
|
|
133
|
-
// 三角フィルタの右の直線の傾きから点を求める
|
|
134
|
-
|
|
135
|
-
decrement = 1.0 / (indexstop[c] - indexcenter[c])
|
|
136
|
-
|
|
137
|
-
for i in np.arange(indexcenter[c], indexstop[c]):
|
|
138
|
-
|
|
139
|
-
i=int(i)
|
|
140
|
-
|
|
141
|
-
filterbank[c, i] = 1.0 - ((i - indexcenter[c]) * decrement)
|
|
142
|
-
|
|
143
|
-
|
|
144
|
-
|
|
145
|
-
return filterbank, fcenters
|
|
146
|
-
|
|
147
|
-
|
|
148
|
-
|
|
149
|
-
def preEmphasis(signal, p):
|
|
150
|
-
|
|
151
|
-
"""プリエンファシスフィルタ"""
|
|
152
|
-
|
|
153
|
-
// 係数 (1.0, -p) のFIRフィルタを作成
|
|
154
|
-
|
|
155
|
-
return scipy.signal.lfilter([1.0, -p], 1, signal)
|
|
156
|
-
|
|
157
|
-
|
|
158
|
-
|
|
159
|
-
def mfcc(signal, nfft, fs, nceps):
|
|
160
|
-
|
|
161
|
-
"""信号のMFCCパラメータを求める
|
|
162
|
-
|
|
163
|
-
signal: 音声信号
|
|
164
|
-
|
|
165
|
-
nfft : FFTのサンプル数
|
|
166
|
-
|
|
167
|
-
nceps : MFCCの次元"""
|
|
168
|
-
|
|
169
|
-
|
|
170
|
-
|
|
171
|
-
// プリエンファシスフィルタをかける
|
|
172
|
-
|
|
173
|
-
p = 0.97 # プリエンファシス係数
|
|
174
|
-
|
|
175
|
-
signal = preEmphasis(signal, p)
|
|
176
|
-
|
|
177
|
-
|
|
178
|
-
|
|
179
|
-
// ハミング窓をかける
|
|
180
|
-
|
|
181
|
-
hammingWindow = np.hamming(len(signal))
|
|
182
|
-
|
|
183
|
-
signal = signal * hammingWindow
|
|
184
|
-
|
|
185
|
-
|
|
186
|
-
|
|
187
|
-
// 振幅スペクトルを求める
|
|
188
|
-
|
|
189
|
-
spec = np.abs(np.fft.fft(signal, nfft))[:nfft/2]
|
|
190
|
-
|
|
191
|
-
fscale = np.fft.fftfreq(nfft, d = 1.0 / fs)[:nfft/2]
|
|
192
|
-
|
|
193
|
-
|
|
194
|
-
|
|
195
|
-
// メルフィルタバンクを作成
|
|
196
|
-
|
|
197
|
-
numChannels = 20 # メルフィルタバンクのチャネル数
|
|
198
|
-
|
|
199
|
-
df = fs / nfft # 周波数解像度（周波数インデックス1あたりのHz幅）
|
|
200
|
-
|
|
201
|
-
filterbank, fcenters = melFilterBank(fs, nfft, numChannels)
|
|
202
|
-
|
|
203
|
-
|
|
204
|
-
|
|
205
|
-
// 振幅スペクトルに対してフィルタバンクの各フィルタをかけ、振幅の和の対数をとる
|
|
206
|
-
|
|
207
|
-
mspec = np.log10(np.dot(spec, filterbank.T))
|
|
208
|
-
|
|
209
|
-
|
|
210
|
-
|
|
211
|
-
|
|
212
|
-
|
|
213
|
-
// 離散コサイン変換
|
|
214
|
-
|
|
215
|
-
ceps = scipy.fftpack.realtransforms.dct(mspec, type=2, norm="ortho", axis=-1)
|
|
216
|
-
|
|
217
|
-
|
|
218
|
-
|
|
219
|
-
// 低次成分からnceps個の係数を返す
|
|
220
|
-
|
|
221
|
-
return ceps[:nceps]
|
|
222
|
-
|
|
223
|
-
|
|
224
|
-
|
|
225
|
-
//wavファイルと次元数を入れてMFCCを抽出
|
|
226
|
-
|
|
227
|
-
// nfft:FFTのサンプル数 1024, 2048, 4096
|
|
228
|
-
|
|
229
|
-
// nceps:MFCCの次元数 大体12次元が多い
|
|
230
|
-
|
|
231
|
-
// ※ fs * cuttime >= nfft/2 を満たす値を与えなければいけない
|
|
232
|
-
|
|
233
|
-
|
|
234
|
-
|
|
235
|
-
def get_feature(wavfile,nfft,nceps):
|
|
236
|
-
|
|
237
|
-
// 音声をロード
|
|
238
|
-
|
|
239
|
-
wav, fs = wavread('call01.wav') #ここに問題があるのではと考えております
|
|
240
|
-
|
|
241
|
-
t = np.arange(0.0, len(wav) / fs, 1/fs)
|
|
242
|
-
|
|
243
|
-
|
|
244
|
-
|
|
245
|
-
// 音声波形の中心部分を切り出す
|
|
246
|
-
|
|
247
|
-
center = len(wav) / 2 # 中心のサンプル番号
|
|
248
|
-
|
|
249
|
-
cuttime = 0.8 # 切り出す長さ [s]
|
|
250
|
-
|
|
251
|
-
wavdata = wav[int(center - cuttime/2*fs) : int(center + cuttime/2*fs)]
|
|
252
|
-
|
|
253
|
-
|
|
254
|
-
|
|
255
|
-
ceps = mfcc(wavdata, nfft, fs, nceps)
|
|
256
|
-
|
|
257
|
-
return ceps.tolist()
|
|
258
|
-
|
|
259
|
-
|
|
260
|
-
|
|
261
|
-
if __name__ == "__main__":
|
|
262
|
-
|
|
263
|
-
wavfile= 'call01.wav'
|
|
264
|
-
|
|
265
|
-
nfft=2048
|
|
266
|
-
|
|
267
|
-
nceps=12
|
|
268
|
-
|
|
269
|
-
tmp = get_feature(wavfile,nfft,nceps)
|
|
270
|
-
|
|
271
|
-
print (tmp)
|
|
272
|
-
|
|
273
|
-
|
|
274
|
-
|
|
275
|
-
|
|
276
|
-
|
|
277
275
|
# 試したこと
|
|
278
276
|
|
|
279
277
|
1.上から８行目のdef wavread(filename):をdef wavread():に書き換えました。
|