Caju

데이터 엔지니어 신영인입니다. 개발하면서 배운 점이나 해결한 문제를 공유하고 있습니다.

Azure에서 제공하는 Custom Speech을 위한 데이터 준비 튜토리얼입니다.

Custom Speech는 아래와 같은 데이터 사양을 요구합니다.

속성 값
파일형식 RIFF(WAV)
채널 1(mono)
오디오 당 최대 길이 2시간(테스트)/60초(학습)
샘플 속도 8,000Hz 또는 16,000Hz


MP4(영상) 파일을 WAV(음성) 파일로 바꾸기

1
2
3
4
5
6

import os
import subprocess

command = "ffmpeg -i {} -ab 160k -ac 2 -ar 44100 -vn {}".format("{변환하려는 파일명(경로포함)}", os.path.join("{내보내려는 파일경로}", "{저장할 파일명}"))
    
subprocess.call(command, shell=True)


Multi 채널을 Mono 채널로 바꾸기

1

pip install pydub

1
2
3
4

from pydub import AudioSegment
sound = AudioSegment.from_wav('{변환하려는 파일명(경로포함)}')
sound = sound.set_channels(1)
sound.export('{내보내려는 파일명(경로포함)}', format='wav')


파일 길이 자르기

1
2
3
4
5
6
7
8
9
10
11
12
13
14

import os
import librosa
import numpy as np

def trim_audio_data(audio_file, save_file):
    sr = 96000 # 파일 길이
    sec = 60
    
    y, sr = librosa.load(audio_file, sr=sr)
    my = y[:sr*sec]
    
    librosa.output.write_wav(save_file+'.wav', my, sr)
    
trim_audio_data("{변환하려는 파일명(경로포함)}", "{내보내려는 파일경로}")


44100Hz WAV 파일 16000Hz로 변환하기

1
2
3

import librosa

y, s = librosa.load("{변환하려는 파일명(경로포함)}", sr=16000)


WAV 파일 주파수와 채널 확인하기

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

import librosa
import wave

def frame_rate_channel(audio_file_name):
    print(audio_file_name)
    with wave.open(audio_file_name, "rb") as wave_file:
        frame_rate = wave_file.getframerate()
        channels = wave_file.getnchannels()
        return frame_rate,channels

path = "{확인하려는 WAV 파일 경로}"
files = glob.glob(path + '/*')

for f in files:
    print(frame_rate_channel(f))

참고