声音的产生

声音以波的形式产生，我们从波的视角来理解声音，仅凭频率，幅度，相位，便构成了波及其叠加的所有，声音的不同音高、音量、音色也由这些基本“粒子”组合而来。
世界上所有的声波都可以“降解”到基本波以上，这也是傅里叶变换的基本思想。

赛题数据集介绍

声音分类在很多场景中都有大模型的应用，例如对于音乐的分类可以应用与音乐的检索和推荐中，本赛题的背景是食物的声音的分类。
本次比赛的数据集来自Kaggle的“Eating Sound Collection”（可商用），数据集中包含20种不同食物的咀嚼声音，赛题任务是给这些声音数据建模，准确分类。

下载天池数据集并解压

!wget http://tianchi-competition.oss-cn-hangzhou.aliyuncs.com/531887/train_sample.zip
!unzip -qq train_sample.zip
!\rm train_sample.zip!wget http://tianchi-competition.oss-cn-hangzhou.aliyuncs.com/531887/test_a.zip
!unzip -qq test_a.zip
!\rm test_a.zip

上述代码需要在linux系统下运行

数据探索

加载库

import pandas as pd
import numpy as nppd.plotting.register_matplotlib_converters()
import matplotlib.pyplot as plt
%matplotlib inline
import seaborn as snsfrom sklearn.model_selection import train_test_split
from sklearn.metrics import classification_report
from sklearn.model_selection import GridSearchCVfrom sklearn.preprocessing import MinMaxScaler

加载音频处理库

import os
import matplotlib.pyplot as plt
import librosa
import librosa.display
import glob
import IPython.display as ipd

我们将主要使用两个库进行音频采集和回放： 1）Librosa：它通常用于分析音频信号，但更倾向于音乐，它包括用于构建MIR（音乐信息检索）系统的nuts 和 bolts。示例和教程可以参考：(https://librosa.github.io/librosa/) 2）IPython.display.Audio： 该模块能使得音频直接在jupyter笔记本中播放。这两个库我们下面都会用到，可用以下命令进行安装：pip install 【包名，如“librosa”】 -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com

查看音频数据

voice_path = './train_sample'def look_data():# 音频类别文件夹个数print(f'音频文件夹的个数: {len(os.listdir(voice_path))}')voice_total = 0single_label = {}for ind, label_name in enumerate(os.listdir(voice_path)):file_path = voice_path + '/' + label_namesingle_num = len(os.listdir(file_path))single_label[label_name] = single_numvoice_total += single_numprint(f'音频文件总量： {voice_total}')print(f'{"序号":<5}{"类别":<15}{"数量":<10}{"占比"}')for ind, (key, value) in enumerate(single_label.items()):print(f'{ind:<5}{key:<20}{value:<10}{value / voice_total:.2%}')

查看音频特征

ipd.Audio('音频文件的路径') #播放文件
librosa.load('路径')#返回数据和采样率
plt.figure(figsize = (14,5))
librosa.display.waveplot(data,sr = sample_rate)#绘制音频文件的波形幅度包络

声谱图是声音或其他信号的频率随时间变化时的频谱（spectrum）的一种直观表示。声谱图有时也称sonographs,voiceprints,或者voicegrams。当数据以三维图形表示时，可称其为瀑布图（waterfalls）。在二维数组中，第一个轴是频率，第二个轴是时间。我们使用librosa.display.specshow来显示声谱图。

plt.figure(figsize=(20, 10))
D = librosa.amplitude_to_db(np.abs(librosa.stft(data1)), ref=np.max)
plt.subplot(4, 2, 1)
librosa.display.specshow(D, y_axis='linear')
plt.colorbar(format='%+2.0f dB')
plt.title('Linear-frequency power spectrogram of aloe')

零基础入门语音识别之赛题介绍相关推荐

【组队学习】【24期】零基础入门语音识别（食物声音识别）
零基础入门语音识别(食物声音识别) 开源内容: https://github.com/datawhalechina/team-learning-nlp/tree/master/FoodVoiceRec ...
阿里云天池学习赛汇总（教学赛，零基础入门，长期赛）
[教学赛]数据分析达人赛1:用户情感可视化分析 [教学赛]数据分析达人赛2:产品关联分析 [教学赛]数据分析达人赛3:汽车产品聚类分析零基础入门语音识别-食物声音识别零基础入门数据挖掘-心跳信号分 ...
零基础入门语音识别-食物声音识别[Task 1]
Task1 食物声音识别之Baseline学习作为零基础入门语音识别的新人赛,本次任务不涉及复杂的声音模型.语言模型,希望大家通过两种baseline的学习能体验到语音识别的乐趣. 任务说明:我们提 ...
零基础入门语音识别-食物声音识别[Task 3]
Task3 食物声音识别之音频数据特征提取 Task1 食物声音识别之Baseline学习 Task2 食物声音识别之赛题数据介绍与分析 1 特征提取背景在Task2中,我们已经了解了我们需要识别的 ...
天池学习赛 -【零基础入门语音识别-食物声音识别】Task1 食物声音识别-Baseline【代码详细手写解释】
文章目录一.Task1 食物声音识别-Baseline 二.对应解析三.参考链接一.Task1 食物声音识别-Baseline 天池对应代码链接二.对应解析三.参考链接 tqdm的解释深度 ...
python 小甲鱼好不好_小甲鱼零基础入门学习python课后题及答案
[实例简介] 这是小甲鱼python教学视频的课后习题以及答案的整理文档,大家可以学到什么: 0.Python3的所有常用语法 1.面向对象编程思维 2.运用模块进行编程 3.游戏编程 4.计算机仿真 ...
Python零基础入门学习教程_001.python介绍_特性_版本问题_应用问题
目录 ·简介 ·特点 1.可读性强 2.简洁,简单 3.面向对象 4.免费和开源 5.可移植性和跨平台 6.丰富的库(丰富的标准库,多种多样的扩展库) 7.可扩展性 ·应用范围 1.科学计算 2.人工 ...
记录零基础入门python学习做题的第一天（自己做的哈答案对不对我就不晓得了）
1.Python 是什么类型的语言? 面向对象语言 2.IDLE 是什么? 集成开发环境 3.print() 的作用是什么? 打印 4.Python 中表示乘法的符号是什么? ...
零基础数据挖掘入门系列(一) - 赛题理解
思维导图:零基础入门数据挖掘的学习路径 1. 写在前面零基础入门数据挖掘系列是记录自己在Datawhale举办的数据挖掘专题学习中的所学和所想, 该系列笔记使用理论结合实践的方式,整理数据挖掘相关知 ...

零基础入门语音识别之赛题介绍