对音频切分成小音频(机器学习用)

我是把so-vits中小工具,分析源码然后提取出来了。以后可以写在自己的程序里。

-------流程(这是我做的流程,你可以不用看)

从开源代码中快速获取自己需要的东西

如果有界面f12看他里面的接口,然后在源码中全局搜索,没有接口比如socket,看他的消息字段,然后推测。然后提取补齐代码就行了

-------

你需要看的

提取出来有3个类

run.py是我自己写的

其他是我提取的源码,首先你得install一些包

numpy,librosa,soundfile

slicer2.py

import numpy as np# This function is obtained from librosa.
def get_rms(y,*,frame_length=2048,hop_length=512,pad_mode="constant",
):padding = (int(frame_length // 2), int(frame_length // 2))y = np.pad(y, padding, mode=pad_mode)axis = -1# put our new within-frame axis at the end for nowout_strides = y.strides + tuple([y.strides[axis]])# Reduce the shape on the framing axisx_shape_trimmed = list(y.shape)x_shape_trimmed[axis] -= frame_length - 1out_shape = tuple(x_shape_trimmed) + tuple([frame_length])xw = np.lib.stride_tricks.as_strided(y, shape=out_shape, strides=out_strides)if axis < 0:target_axis = axis - 1else:target_axis = axis + 1xw = np.moveaxis(xw, -1, target_axis)# Downsample along the target axisslices = [slice(None)] * xw.ndimslices[axis] = slice(0, None, hop_length)x = xw[tuple(slices)]# Calculate powerpower = np.mean(np.abs(x) ** 2, axis=-2, keepdims=True)return np.sqrt(power)class Slicer:def __init__(self,sr: int,threshold: float = -40.,min_length: int = 5000,min_interval: int = 300,hop_size: int = 20,max_sil_kept: int = 5000):if not min_length >= min_interval >= hop_size:raise ValueError('The following condition must be satisfied: min_length >= min_interval >= hop_size')if not max_sil_kept >= hop_size:raise ValueError('The following condition must be satisfied: max_sil_kept >= hop_size')min_interval = sr * min_interval / 1000self.threshold = 10 ** (threshold / 20.)self.hop_size = round(sr * hop_size / 1000)self.win_size = min(round(min_interval), 4 * self.hop_size)self.min_length = round(sr * min_length / 1000 / self.hop_size)self.min_interval = round(min_interval / self.hop_size)self.max_sil_kept = round(sr * max_sil_kept / 1000 / self.hop_size)def _apply_slice(self, waveform, begin, end):if len(waveform.shape) > 1:return waveform[:, begin * self.hop_size: min(waveform.shape[1], end * self.hop_size)]else:return waveform[begin * self.hop_size: min(waveform.shape[0], end * self.hop_size)]# @timeitdef slice(self, waveform):if len(waveform.shape) > 1:samples = waveform.mean(axis=0)else:samples = waveformif samples.shape[0] <= self.min_length:return [waveform]rms_list = get_rms(y=samples, frame_length=self.win_size, hop_length=self.hop_size).squeeze(0)sil_tags = []silence_start = Noneclip_start = 0for i, rms in enumerate(rms_list):# Keep looping while frame is silent.if rms < self.threshold:# Record start of silent frames.if silence_start is None:silence_start = icontinue# Keep looping while frame is not silent and silence start has not been recorded.if silence_start is None:continue# Clear recorded silence start if interval is not enough or clip is too shortis_leading_silence = silence_start == 0 and i > self.max_sil_keptneed_slice_middle = i - silence_start >= self.min_interval and i - clip_start >= self.min_lengthif not is_leading_silence and not need_slice_middle:silence_start = Nonecontinue# Need slicing. Record the range of silent frames to be removed.if i - silence_start <= self.max_sil_kept:pos = rms_list[silence_start: i + 1].argmin() + silence_startif silence_start == 0:sil_tags.append((0, pos))else:sil_tags.append((pos, pos))clip_start = poselif i - silence_start <= self.max_sil_kept * 2:pos = rms_list[i - self.max_sil_kept: silence_start + self.max_sil_kept + 1].argmin()pos += i - self.max_sil_keptpos_l = rms_list[silence_start: silence_start + self.max_sil_kept + 1].argmin() + silence_startpos_r = rms_list[i - self.max_sil_kept: i + 1].argmin() + i - self.max_sil_keptif silence_start == 0:sil_tags.append((0, pos_r))clip_start = pos_relse:sil_tags.append((min(pos_l, pos), max(pos_r, pos)))clip_start = max(pos_r, pos)else:pos_l = rms_list[silence_start: silence_start + self.max_sil_kept + 1].argmin() + silence_startpos_r = rms_list[i - self.max_sil_kept: i + 1].argmin() + i - self.max_sil_keptif silence_start == 0:sil_tags.append((0, pos_r))else:sil_tags.append((pos_l, pos_r))clip_start = pos_rsilence_start = None# Deal with trailing silence.total_frames = rms_list.shape[0]if silence_start is not None and total_frames - silence_start >= self.min_interval:silence_end = min(total_frames, silence_start + self.max_sil_kept)pos = rms_list[silence_start: silence_end + 1].argmin() + silence_startsil_tags.append((pos, total_frames + 1))# Apply and return slices.if len(sil_tags) == 0:return [waveform]else:chunks = []if sil_tags[0][0] > 0:chunks.append(self._apply_slice(waveform, 0, sil_tags[0][0]))for i in range(len(sil_tags) - 1):chunks.append(self._apply_slice(waveform, sil_tags[i][1], sil_tags[i + 1][0]))if sil_tags[-1][1] < total_frames:chunks.append(self._apply_slice(waveform, sil_tags[-1][1], total_frames))return chunksdef main():import os.pathfrom argparse import ArgumentParserimport librosaimport soundfileparser = ArgumentParser()parser.add_argument('audio', type=str, help='The audio to be sliced')parser.add_argument('--out', type=str, help='Output directory of the sliced audio clips')parser.add_argument('--db_thresh', type=float, required=False, default=-40,help='The dB threshold for silence detection')parser.add_argument('--min_length', type=int, required=False, default=5000,help='The minimum milliseconds required for each sliced audio clip')parser.add_argument('--min_interval', type=int, required=False, default=300,help='The minimum milliseconds for a silence part to be sliced')parser.add_argument('--hop_size', type=int, required=False, default=10,help='Frame length in milliseconds')parser.add_argument('--max_sil_kept', type=int, required=False, default=500,help='The maximum silence length kept around the sliced clip, presented in milliseconds')args = parser.parse_args()out = args.outif out is None:out = os.path.dirname(os.path.abspath(args.audio))audio, sr = librosa.load(args.audio, sr=None, mono=False)slicer = Slicer(sr=sr,threshold=args.db_thresh,min_length=args.min_length,min_interval=args.min_interval,hop_size=args.hop_size,max_sil_kept=args.max_sil_kept)chunks = slicer.slice(audio)if not os.path.exists(out):os.makedirs(out)for i, chunk in enumerate(chunks):if len(chunk.shape) > 1:chunk = chunk.Tsoundfile.write(os.path.join(out, f'%s_%d.wav' % (os.path.basename(args.audio).rsplit('.', maxsplit=1)[0], i)), chunk, sr)if __name__ == '__main__':main()

auto_slicer.py

import os
import numpy as np
import librosa
import soundfile as sf
from slicer2 import Slicerclass AutoSlicer:def __init__(self):self.slicer_params = {"threshold": -40,"min_length": 5000,"min_interval": 300,"hop_size": 10,"max_sil_kept": 500,}self.original_min_interval = self.slicer_params["min_interval"]def auto_slice(self, filename, input_dir, output_dir, max_sec):audio, sr = librosa.load(os.path.join(input_dir, filename), sr=None, mono=False)slicer = Slicer(sr=sr, **self.slicer_params)chunks = slicer.slice(audio)files_to_delete = []for i, chunk in enumerate(chunks):if len(chunk.shape) > 1:chunk = chunk.Toutput_filename = f"{os.path.splitext(filename)[0]}_{i}"output_filename = "".join(c for c in output_filename if c.isascii() or c == "_") + ".wav"output_filepath = os.path.join(output_dir, output_filename)sf.write(output_filepath, chunk, sr)#Check and re-slice audio that more than max_sec.while True:new_audio, sr = librosa.load(output_filepath, sr=None, mono=False)if librosa.get_duration(y=new_audio, sr=sr) <= max_sec:breakself.slicer_params["min_interval"] = self.slicer_params["min_interval"] // 2if self.slicer_params["min_interval"] >= self.slicer_params["hop_size"]:new_chunks = Slicer(sr=sr, **self.slicer_params).slice(new_audio)for j, new_chunk in enumerate(new_chunks):if len(new_chunk.shape) > 1:new_chunk = new_chunk.Tnew_output_filename = f"{os.path.splitext(output_filename)[0]}_{j}.wav"sf.write(os.path.join(output_dir, new_output_filename), new_chunk, sr)files_to_delete.append(output_filepath)else:breakself.slicer_params["min_interval"] = self.original_min_intervalfor file_path in files_to_delete:if os.path.exists(file_path):os.remove(file_path)def merge_short(self, output_dir, max_sec, min_sec):short_files = []for filename in os.listdir(output_dir):filepath = os.path.join(output_dir, filename)if filename.endswith(".wav"):audio, sr = librosa.load(filepath, sr=None, mono=False)duration = librosa.get_duration(y=audio, sr=sr)if duration < min_sec:short_files.append((filepath, audio, duration))short_files.sort(key=lambda x: x[2], reverse=True)merged_audio = []current_duration = 0for filepath, audio, duration in short_files:if current_duration + duration <= max_sec:merged_audio.append(audio)current_duration += durationos.remove(filepath)else:if merged_audio:output_audio = np.concatenate(merged_audio, axis=-1)if len(output_audio.shape) > 1:output_audio = output_audio.Toutput_filename = f"merged_{len(os.listdir(output_dir))}.wav"sf.write(os.path.join(output_dir, output_filename), output_audio, sr)merged_audio = [audio]current_duration = durationos.remove(filepath)if merged_audio and current_duration >= min_sec:output_audio = np.concatenate(merged_audio, axis=-1)if len(output_audio.shape) > 1:output_audio = output_audio.Toutput_filename = f"merged_{len(os.listdir(output_dir))}.wav"sf.write(os.path.join(output_dir, output_filename), output_audio, sr)def slice_count(self, input_dir, output_dir):orig_duration = final_duration = 0for file in os.listdir(input_dir):if file.endswith(".wav"):_audio, _sr = librosa.load(os.path.join(input_dir, file), sr=None, mono=False)orig_duration += librosa.get_duration(y=_audio, sr=_sr)wav_files = [file for file in os.listdir(output_dir) if file.endswith(".wav")]num_files = len(wav_files)max_duration = -1min_duration = float("inf")for file in wav_files:file_path = os.path.join(output_dir, file)audio, sr = librosa.load(file_path, sr=None, mono=False)duration = librosa.get_duration(y=audio, sr=sr)final_duration += float(duration)if duration > max_duration:max_duration = float(duration)if duration < min_duration:min_duration = float(duration)return num_files, max_duration, min_duration, orig_duration, final_duration

run.py

import os
from auto_slicer import AutoSlicer
import librosa
def slicer_fn(input_dir, output_dir, process_method, max_sec, min_sec):if output_dir == "":return "请先选择输出的文件夹"if output_dir == input_dir:return "输出目录不能和输入目录相同"slicer = AutoSlicer()if os.path.exists(output_dir) is not True:os.makedirs(output_dir)for filename in os.listdir(input_dir):if filename.lower().endswith(".wav"):slicer.auto_slice(filename, input_dir, output_dir, max_sec)if process_method == "丢弃":for filename in os.listdir(output_dir):if filename.endswith(".wav"):filepath = os.path.join(output_dir, filename)audio, sr = librosa.load(filepath, sr=None, mono=False)if librosa.get_duration(y=audio, sr=sr) < min_sec:os.remove(filepath)elif process_method == "将过短音频整合为长音频":slicer.merge_short(output_dir, max_sec, min_sec)file_count, max_duration, min_duration, orig_duration, final_duration = slicer.slice_count(input_dir, output_dir)hrs = int(final_duration / 3600)mins = int((final_duration % 3600) / 60)sec = format(float(final_duration % 60), '.2f')rate = format(100 * (final_duration / orig_duration), '.2f') if orig_duration != 0 else 0rate_msg = f"为原始音频时长的{rate}%" if rate != 0 else "因未知问题,无法计算切片时长的占比"return f"成功将音频切分为{file_count}条片段,其中最长{max_duration}秒,最短{min_duration}秒,切片后的音频总时长{hrs:02d}小时{mins:02d}分{sec}秒,{rate_msg}"input_dir="F:\sliper\input"#输入文件夹(这里面可以放多个wav)
output_dir="F:\sliper\output"#输出文件夹
process_method="丢弃"#如果音频小于3就丢弃
max_sec=15#音频最长为15
min_sec=3#音频最小为3
slicer_fn(input_dir,output_dir,process_method,max_sec,min_sec)

测试输入

得到

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/99747.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Stable Diffusion生成图片

画质 masterpiece,best quality,illustration,extremely detail CG unity 8k wallpaper,ultra-detailed,depth of field 杰作&#xff0c;最佳质量&#xff0c;插图&#xff0c;极度详细的8K壁纸&#xff0c;超高详细度&#xff0c;景深 画风 Chinese ink painting,water color…

如何在虚幻引擎中渲染动画?

大家好&#xff0c;今天我将展示如何在虚幻引擎中渲染动画&#xff0c;以及虚幻引擎渲染动画怎么设置的方法步骤。 需要提前了解&#xff1a; 虚幻引擎本地运行慢、渲染慢、本地配置不够&#xff0c;如何解决&#xff1f; 渲云云渲染支持虚幻引擎离线渲染&#xff0c;可批量…

【Python】WebUI自动化—Selenium的下载和安装、基本用法、项目实战(16)

文章目录 一.介绍二.下载安装selenium三.安装浏览器驱动四.QuickStart—自动访问百度五.Selenium基本用法1.定位节点1.1.单个元素定位1.2.多个元素定位 2.控制浏览器2.1.设置浏览器窗口大小、位置2.2.浏览器前进、刷新、后退、关闭3.3.等待3.4.Frame3.5.多窗口3.6.元素定位不到…

一文5000字详解Pytest单元测试,看完不会来打我【保姆级教程】

一、pytest单元测试框架 1.什么是单元测试框架&#xff1f; 单元测试是指在软件开发当中针对软件的最小单位&#xff08;函数、方法&#xff09;进行正确性的检查测试 2.单元测试框架有哪些&#xff1f; Java&#xff1a;junit 和 testing python&#xff1a;unittest 和 …

SI314软硬件兼容替代GTX314L—低功耗14通道电容触摸传感器

Si314是一款具有自动灵敏度校准功能的14通道电容传感器&#xff0c;其工作电压范围为1.8~5.5V。 Si314设置休眠模式来节省功耗&#xff0c;此时&#xff0c;功耗电流为10uA3.3V。 Si314各个感应通道可实现独立使能、校准、灵敏度调节&#xff0c;可以确保可靠性&#xff0c;且具…

linux 安装下载conda并创建虚拟环境

目录 1. 下载安装2. 创建虚拟环境1. 下载安装 在window操作系统中下载anconda包,并通过scp传输到ubuntu操作系统 具体anconda包在如下界面: anconda包 目录 博主选择了最新的包:Anaconda3-2023.09-0-Linux-x86_64.sh 通过scp传输到ubuntu操作系统中: 并在ubuntu操作系…

Linux 安全 - LSM源码分析

文章目录 前言一、简介1.1 DAC 和 MAC1.2 LSM 调用流程图 二、LSM相关数据结构2.1 struct security_hook_list2.2 union security_list_options2.3 structure security_hook_heads 三、security_bprm_check四、LSM 源码分析3.1 early_security_init3.2 security_init3.2.1 secu…

第二证券:市场情绪或逐步修复 十月行情值得期待

第二证券指出&#xff0c;周一A股商场探底回升、小幅轰动收拾&#xff0c;沪指全天底子出现先抑后扬的运转特征。其时上证综指与创业板指数的平均市盈率分别为12.46倍、33.94倍&#xff0c;处于近三年中位数以下水平&#xff0c;商场估值仍然处于较低区域&#xff0c;合适中长期…

华为OD机考B卷 | 100分】阿里巴巴找黄金宝箱(JAVA题解——也许是全网最详)

前言 本人是算法小白&#xff0c;甚至也没有做过Leetcode。所以&#xff0c;我相信【同为菜鸡的我更能理解作为菜鸡的你们的痛点】。 题干 1. 题目描述 一贫如洗的樵夫阿里巴巴在去砍柴的路上&#xff0c;无意中发现了强盗集团的藏宝地&#xff0c;藏宝地有编号从0~N的箱子&…

【C++设计模式之责任链模式:行为型】分析及示例

简介 责任链模式是一种行为型设计模式&#xff0c;它允许将请求沿着处理链传递&#xff0c;直到有一个处理器能够处理该请求。这种模式将请求的发送者和接收者解耦&#xff0c;同时提供了更高的灵活性和可扩展性。 描述 责任链模式由多个处理器组成一个处理链&#xff0c;每…

香橙派、树莓派、核桃派、鲁班猫安装jupyter notebook【ubuntu、Debian开发板操作类似】

文章目录 前言一、安装环境二、使用方法总结 前言 香橙派树莓派鲁班猫安装一下调试代码还是比较方便的。 一、安装环境 假设已经安装好了miniconda3。如果还没安装可以参考我另外一篇博文&#xff0c;有写怎么安装。 pip install jupyter notebook # 生成Jupyter Notebook的…

算法题:K 次取反后最大化的数组和(典型的贪心算法问题)

这道题没有看题解&#xff0c;直接提交&#xff0c;成绩超越99.5%&#xff0c;说明思路是优的。就是考虑的情况里面弯弯绕比较多&#xff0c;需要考虑全面一点。&#xff08;本题完整题目附在了最后面&#xff09; 具体思路如下&#xff1a; 1、首先排序&#xff0c;然后从最…

智能合约漏洞,价值 5200 万美元的 Vyper 漏洞攻击原理分析

智能合约漏洞&#xff0c;价值 5200 万美元的 Vyper 漏洞攻击原理分析 7 月 30 日&#xff0c;因为 Vyper 部分版本中的漏洞&#xff0c;导致 Curve、JPEG’d 等项目陆续受到攻击&#xff0c;损失总计超过 5200 万美元。 Safful 对此事件第一时间进行了技术分析&#xff0c;并…

2023 IDC中国数字金融论坛丨中电金信向行业分享“源启+应用重构”新范式

9月8日&#xff0c;IDC主办的“2023 IDC中国数字金融论坛”在北京召开。中电金信受邀参会&#xff0c;并带来了深度数字化转型趋势之下关于应用重构的分享与洞见。 论坛重点关注金融科技创新发展趋势与数字化转型之路&#xff0c;中电金信副总经理、研究院院长况文川带来了“创…

nSoftware IPWorks IoT 2022 Java 22.0.8 Crack

物联网库&#xff0c;使用这个轻量级组件库&#xff0c;可以在任何平台上的应用程序中轻松实现物联网 (IoT) 通信协议。 nSoftware IPWorks IoT 最新的 IPWorks IoT 现已推出&#xff01;最新版本的 IPWorks IoT 具有现代化和简化的体验&#xff0c;包括 .NET 中的异步和跨平台…

[开源]MIT协议,开源论坛程序,拥有友好的用户界面和操作体验

一、开源项目简介 尤得一物是一个开源论坛程序&#xff0c;提供丰富的功能&#xff0c;可以作为管理或分享文章的论坛博客&#xff0c;也可以在此基础上进行自定义开发。 二、开源协议 使用MIT开源协议 三、界面展示 四、功能概述 尤得一物是一个开源论坛程序&#xff0c;…

vue-7-vuex

一、Vuex 概述 目标&#xff1a;明确Vuex是什么&#xff0c;应用场景以及优势 1.是什么 Vuex 是一个 Vue 的 状态管理工具&#xff0c;状态就是数据。 大白话&#xff1a;Vuex 是一个插件&#xff0c;可以帮我们管理 Vue 通用的数据 (多组件共享的数据)。例如&#xff1a;购…

arcgis地形分析全流程

主要内容&#xff1a;DEM的获取与处理、高程分析、坡度分析、坡向分析、地形起伏度分析、地表粗糙度分析、地表曲率分析&#xff1b; 主要工具&#xff1a;镶嵌至新栅格、按掩膜提取、投影栅格、坡度、坡向、焦点统计 一 DEM的获取与处理 1.1 DEM是什么&#xff1f; DEM(D…

安全与隐私:直播购物App开发中的重要考虑因素

随着直播购物App的崭露头角&#xff0c;开发者需要特别关注安全性和隐私问题。本文将介绍在直播购物App开发中的一些重要安全和隐私考虑因素&#xff0c;并提供相关的代码示例。 1. 数据加密 在直播购物App中&#xff0c;用户的个人信息和支付信息是极为敏感的数据。为了保护…

Linux文件与目录的增删改查

一、增 1、mkdir命令 作用: 创建一个新目录。格式: mkdir [选项] 要创建的目录 常用参数: -p:创建目录结构中指定的每一个目录,如果目录不存在则创建,如果目录已存在也不会被覆盖。用法示例: 1、mkdir directory:创建单个目录 这个命令会在当前目录下创建一个名为…