Обработка аудио на Python: извлечение признаков для машинного обучения

Библиотека Python librosa — это пакет Python для анализа музыки и аудио. Она предоставляет необходимые компоненты для создания систем поиска музыкальной информации. librosa использует библиотеки soundfile и audioread для загрузки аудиофайлов. Обратите внимание, что soundfile в настоящее время не поддерживает MP3, поэтому librosa будет использовать библиотеку audioread. Основные возможности библиотеки: CoreIO и DSP Извлечение признаков Определение начала звука Ритм и темп Разложение спектрограммы Временная сегментация Последовательное моделирование Декодирование Витерби Хронология контента: ----------------- (00:00) Начало видео (00:08) Введение в контент (02:27) Ресурсы Python для обработки звука (04:08) Введение в исходный код учебного пособия (04:40) Начало учебного пособия (05:18) Аудио без авторских прав (05:42) Обработка звука с помощью librosa (16:25) Извлечение ритма из аудио (18:35) Генерация ритма (21:01) Извлечение признаков (21:25) Частота пересечения нуля (24:37) Спектральный центроид (27:30) Спектральный Спад (28:58) MFCC (33:24) Частоты цветности (36:46) Среднеквадратичное значение RMS (41:26) Загрузка кода на GitHub (42:10) Краткий обзор (43:29) Благодарности Ссылка на Python-библиотеку librosa: https://github.com/librosa/librosa Исходный код, использованный в этом примере: https://github.com/prodramp/publiccod... Пожалуйста, посетите: ------------------ Prodramp LLC | https://prodramp.com | @продрамп   / prodramp   Создатель контента: Авкаш Чаухан (@avkashchauhan)   / avkashchauhan   Теги: #ai #aicloud #h2oai #driverlessai #machinelearning #cloud #mlops #model #collaboration #deeplearning #modelserving #modeldeployment #keras #tensorflow #pytorch #datarobot #datahub #aiplatform #aicloud #model Performance #modelfit #modeleffect #modelimpact #bias #modelbias #modeldeployment #modelregistery #modelpipeline #neptuneai #librosa #pythondsp #pythonaudio