检测音频文件中是否有python语音

Question

我对音频检测没有太多的了解，我今天才开始学习它，偶然发现了webrtcvad(这感觉很糟糕:'( )和LibROSA。我要做的任务是，给定一个音频文件(可以是空的，也可以是有噪声但没有语音的)，我必须检测它是否包含任何语音。你知道我怎么才能让它起步吗？任何帮助都将不胜感激。提前谢谢。

Answer 1

听起来像是个普通的问题。不过，有几种可能的解决方案：

1. 将其传递给语音到文本识别。如果你有文本，就有语音。
2. 在更多的音频分析方法中，使用频率滤波器，只检查人类声音的范围。

编辑:这里有一些处理音频的库

1. librosa (https://github.com/librosa/librosa) -具有许多功能，但文档使其难以使用 (https://github.com/deezer/spleeter) -与librosa相比更容易使用，但只有几个功能，并且表示音频的方式与librosa不同(不易与librosa)
   1. spleeter (https://github.com/deezer/spleeter)集成-将人声和其他乐器分离

Answer 2

这可以通过频率分析来实现吗？如果是这样的话，取决于你使用的是mp3还是wav，这是我所知道的两个选项：

• https://docs.python.org/2/library/wave.html
• https://github.com/quodlibet/mutagen

Answer 3

speechmetrics包提供了两种绝对语音质量的测量方法，即MOSNet和SRMR。您可以将您的音频摘录传递给这些软件包，检查返回的静音/噪声/语音质量，并相应地设置阈值。