使用Python减去/比较两个音频文件之间的差异

Question

我的目标是获取两个相同长度的.wav文件，一个原始的使用噪声+语音，另一个使用改进的语音处理，并比较这两个文件。这应该会给我留下两个wave文件的不同之处，那就是在处理过程中被删除的噪声。

我想这样做是为了练习我的python编码技能，也是为了测试语音处理程序的效率。到目前为止，我已经找到了可以做到这一点的程序，但我真的很想用python构建我自己的简单版本。我考虑过的一些库是audiodiff和librosa，但它们似乎没有包含subtract函数。

我有几个程序可以做到这一点，但我想创建一个简单的版本，并能够随着时间的推移，随着我的需求扩大定制它。

Answer 1

估计语音片段的质量的任务称为语音质量估计。一个稍微简单的任务公式是语音可理解性，它只衡量理解语音的难易程度，而不是语音信号的主观“质量”。这些都是语音信号处理中的既定任务，并且有行业标准以及前沿研究。这些方法(通常称为客观指标)考虑了人类的听觉系统和对语音的感知，以便对一组人在听力测试中如何评估结果给出一个很好的估计。由于人类感知的复杂性，好的方法比音频的差异要复杂得多。

如果您可以访问原始语音(无噪声)，则可以使用基于全引用的方法。早期的国际电信联盟标准是PESQ，而截至2021年的最新标准是POLQA。开源实现的一个很好的指标是VISQOL。

如果您无法访问没有噪声的原始语音，则必须使用无引用/单端/非干扰方法。国际电信联盟的标准是P.563。目前有许多研究使用深度神经网络来更好地解决这一任务。示例包括NISQA、Gamper2019

有关更多详细信息，请访问https://github.com/jonnor/machinehearing/tree/master/audio-quality