このチュートリアル(https://github.com/amsehili/audio-segmentation-by-classification-tutorial/blob/master/multiclass_audio_segmentation.ipynb)に従い、私自身のトレーニングデータとサンプルを使用してビジュアライゼーション出力を再作成しようとしています。 31秒の長さでプロットのオーディオファイルの長さが正しくない、またはオーディオプロットのAnnotationセグメントがPythonで不適切にオーバーレイされた
私のオーディオファイル
:https://www.dropbox.com/s/qae2u5dnnp678my/test_hold.wav?dl=0
注釈ファイルはここにある:
https://www.dropbox.com/s/gm9uu1rjettm3qr/hold.lst?dl=0
https://www.dropbox.com/s/b6z1gt8i63c8ted/tring.lst?dl=0
私は「Pythonでのオーディオファイルの波形をプロットし、その後のセクションを強調しようとしていますその波形の上にある注釈ファイルからその音声を「保留」および「取り除く」ことができる。
コードは次のとおりです。上記のコードによって生成された
import wave
import pickle
import numpy as np
from sklearn.mixture import GMM
import librosa
import warnings
warnings.filterwarnings('ignore')
SAMPLING_RATE =16000
wfp = wave.open("/home/vivek/Music/test_hold.wav")
audio_data = wfp.readframes(-1)
width = wfp.getsampwidth()
wfp.close()
# data as numpy array will be used to plot signal
fmt = {1: np.int8 , 2: np.int16, 4: np.int32}
signal = np.array(np.frombuffer(audio_data, dtype=fmt[width]), dtype=np.float64)
%matplotlib inline
import matplotlib.pyplot as plt
import matplotlib.pylab as pylab
pylab.rcParams['figure.figsize'] = 24, 18
def plot_signal_and_segmentation(signal, sampling_rate, segments=[]):
_time = np.arange(0., np.ceil(float(len(signal)))/sampling_rate, 1./sampling_rate)
if len(_time) > len(signal):
_time = _time[: len(signal) - len(_time)]
pylab.subplot(211)
for seg in segments:
fc = seg.get("fc", "g")
ec = seg.get("ec", "b")
lw = seg.get("lw", 2)
alpha = seg.get("alpha", 0.4)
ts = seg["timestamps"]
# plot first segmentation outside loop to show one single legend for this class
p = pylab.axvspan(ts[0][0], ts[0][1], fc=fc, ec=ec, lw=lw, alpha=alpha, label = seg.get("title", ""))
for start, end in ts[1:]:
p = pylab.axvspan(start, end, fc=fc, ec=ec, lw=lw, alpha=alpha)
pylab.legend(bbox_to_anchor=(0., 1.02, 1., .102), loc=3,
borderaxespad=0., fontsize=22, ncol=2)
pylab.plot(_time, signal)
pylab.xlabel("Time (s)", fontsize=22)
pylab.ylabel("Signal Amplitude", fontsize=22)
pylab.show()
annotations = {}
ts = [line.rstrip("\r\n\t ").split(" ") for line in open("/home/vivek/Music/hold.lst").readlines()]
ts = [(float(t[0]), float(t[1])) for t in ts]
annotations["hold"] = {"fc" : "y", "ec" : "y", "lw" : 0, "alpha" : 0.4, "title" : "Hold", "timestamps" : ts}
ts = [line.rstrip("\r\n\t ").split(" ") for line in open("/home/vivek/Music/tring.lst").readlines()]
ts = [(float(t[0]), float(t[1])) for t in ts]
annotations["tring"] = {"fc" : "r", "ec" : "r", "lw" : 0, "alpha" : 0.9, "title" : "Tring", "timestamps" : ts}
def plot_annot():
plot_signal_and_segmentation(signal, SAMPLING_RATE,
[annotations["tring"],
annotations["hold"]])
plot_annot()
は、あなたが見ることができるようにプロットがいるようですファイルが実際にはわずか31秒である場合、ファイルの長さは90秒と考えてください。また、注釈セグメントが間違って上書き/強調表示されています。
私は間違っていますが、どうすれば修正できますか?
PS:波形では、四角形のブロックが「トリング」であり、残りの4つの「台形」波形が音楽を保持する領域です。
そのトリックをした!あなたは素晴らしいです! –