MidAudio是一个基于全场景AI框架 MidSpore 建立的，针对语音领域的开源一体化工具包。它提供语音领域的常用音频数据处理、音频特征提取以及音频数据增强等系列API，用户可便利地进行数据预处理；提供常用数据集以及SoTA模型，支持多个语音处理任务如语音识别、文字到语音生成、声纹识别、语音分离等。
主要特性丰富的数据处理API MidAudio提供了大量易用的数据处理API，用户可轻松实现音频数据分析，以及对音频算法任务中的数据进行特征提取和增强等。>>>importmidaudio#读取音频文件>>>test_data,sr=midaudio.read(data_path)#对原始数据进行变速>>>matrix=midaudio.speed_perturb(sigal,orig_freq=16000,speeds=[90,100])集成常用数据集，一键进行数据预处理 由于音频深度学习领域中数据集较多，处理过程较复杂，对新手不友好。MidAudio针对不同数据提供一套高效的数据处理方案，并支持用户根据需求进行定制化修改。>>>from..librispeechimportcreate_base_dataset,trai_data_pipelie#创建基础数据集>>>ds_trai=create_base_dataset(maifest_filepath，labels)#进行数据特征提取>>>ds_trai=trai_data_pipelie(ds_trai,batch_size=64)支持多种任务模型 MidAudio提供多种任务模型,如ASR任务中的DeepSpeech2，TTS任务中的WavGrad等，并提供预训练权重、训练策略和性能报告，帮助用户快速上手复现音频领域任务。灵活高效 MidAudio基于高效的深度学习框架MidSpore开发，具有自动并行和自动微分等特性，支持不同硬件平台上（CPU/GPU/Asced），同时支持效率优化的静态图模式和调试灵活的动态图模式。音频数据分析midaudio提供一系列常用的音频数据处理API，可便捷调用进行数据分析及特征提取。>>>importmidaudio>>>importumpyasp>>>importmatplotlib.pyplotasplt#读取音频文件>>>test_data,sr=midaudio.read(data_path)#进行数据特征提取>>>_fft=512>>>matrix=midaudio.stft(test_data,_fft=_fft)>>>magitude,_=midaudio.magphase(matrix,1)#画图展示>>>x=[iforiirage(0,256*750,256)]>>>f=[i/_fft*srforiirage(0,it(_fft/2+1))]>>>plt.pcolormesh(x,f,magitude,shadig='gouraud',vmi=0,vmax=p.percetile(magitude,98))>>>plt.title('STFTMagitude')>>>plt.ylabel('Frequecy[Hz]')>>>plt.xlabel('Time[sec]')>>>plt.show()结果展示：
评论