在python中检测音频文件是否有语音

Question

我对音频检测不太了解，我今天才开始学习它，遇到了 webrtcvad（这感觉记录不足 :'( ) 和 LibROSA。我要做的任务是给定一个音频文件，（它可以是空的或者它可以有噪音但没有语音），我必须检测它是否包含任何语音。知道我如何开始它吗？任何帮助将不胜感激。提前致谢。

Answer 1

听起来像是一个笼统的问题。虽然有几种可能的解决方案：

1. 将其传递给语音以进行文本识别。如果你有文字，就会有语音。

2. 在更多的音频分析方法中，使用仅检查人声范围的频率滤波器。

编辑：这里有一些用于处理音频的库

1. librosa ( https://github.com/librosa/librosa ) - 有很多功能，但文档让初学者很难理解

2. pydub ( https://github.com/jiaaro/pydub ) - 与 librosa 相比更易于使用，但只有很少的功能，并且与 librosa 不同地表示音频（不易与 librosa 集成）

3. spleeter ( https://github.com/deezer/spleeter ) - 分离人声和其他乐器

Answer 2

该speechmetrics软件包提供了两种绝对语音质量测量方法，即 MOSNet 和 SRMR。您可以将音频摘录传递给这些包，检查返回的静音/噪音/语音质量并相应地设置阈值。

Answer 3

这可以通过频率分析来完成吗？如果是这样，取决于您使用的是 mp3 还是 wav，这些是我知道的 2 个选项：

• https://docs.python.org/2/library/wave.html

• https://github.com/quodlibet/mutagen