def extractor_audio(buffer, fs):
'''
:param buffer: string list del audio a vectorizar
:return: una fila del vector
'''
s = AudioFile.open_frombuffer(buffer)
sf = s.frames(fs)
num_ventanas = len(sf)
lenv = np.round(s.sampleRate * VENTANA)
vector = np.zeros([num_ventanas, NUM_PARAMETROS], dtype=np.float32)
for indf, frame in enumerate(sf):
Espectro = frame.spectrum()
acumulado = 0
for param in zip(PARAMETROS, TIPO_PARAMETROS):
if not param[1]:
vector[indf, acumulado] = getattr(Energy,
param[0])(frame,
windowSize=lenv,
solape=SOLAPE)
else:
vector[indf, acumulado] = Espectro.mean(
) # getattr(Espectro, param[0])()
acumulado = acumulado + 1
if MFCC > 0:
mfcc_features = mfcc(s,
samplerate=s.sampleRate,
winlen=VENTANA,
numcep=MFCC)
mfcc_means = np.mean(mfcc_features, 0)
for i in range(0, MFCC):
vector[indf, acumulado] = mfcc_means[i]
acumulado = acumulado + 1
if DELTAS:
delta = np.zeros(MFCC)
dobledelta = np.zeros(MFCC)
for i in range(0, MFCC):
diferencias = np.diff(mfcc_features[:, i])
delta[i] = np.sum(diferencias)
dobledelta[i] = np.sum(np.diff(diferencias))
for i in range(0, MFCC):
vector[indf, acumulado] = delta[i]
acumulado = acumulado + 1
for i in range(0, MFCC):
vector[indf, acumulado] = dobledelta[i]
acumulado = acumulado + 1
if CHROMA > 0:
array_chroma = Espectro.chroma()
for i in range(0, CHROMA):
vector[indf, acumulado] = array_chroma[i]
acumulado = acumulado + 1
if FLUX > 0:
spectral_frames = s.frames(lenv)
spectra = [f.spectrum_dct() for f in spectral_frames]
flujo = SpectralFlux.spectralFlux(spectra, rectify=True)
for i in range(0, FLUX):
vector[indf, acumulado] = flujo[i]
acumulado = acumulado + 1
return vector
def extractor_audio(buffer, fs):
'''
:param buffer: string list del audio a vectorizar
:return: una fila del vector
'''
s = AudioFile.open_frombuffer(buffer)
sf = s.frames(fs)
num_ventanas = len(sf)
lenv = np.round(s.sampleRate*VENTANA)
vector = np.zeros([num_ventanas, NUM_PARAMETROS], dtype=np.float32)
for indf, frame in enumerate(sf):
Espectro = frame.spectrum()
acumulado=0
for param in zip(PARAMETROS, TIPO_PARAMETROS):
if not param[1]:
vector[indf,acumulado] = getattr(Energy, param[0])(frame, windowSize= lenv, solape=SOLAPE)
else:
vector[indf,acumulado] = Espectro.mean()# getattr(Espectro, param[0])()
acumulado = acumulado + 1
if MFCC > 0:
mfcc_features = mfcc(s, samplerate=s.sampleRate,winlen=VENTANA, numcep=MFCC)
mfcc_means = np.mean(mfcc_features, 0)
for i in range(0, MFCC):
vector[indf, acumulado] = mfcc_means[i]
acumulado = acumulado + 1
if DELTAS:
delta=np.zeros(MFCC)
dobledelta=np.zeros(MFCC)
for i in range(0, MFCC):
diferencias=np.diff(mfcc_features[:, i])
delta[i] = np.sum(diferencias)
dobledelta[i] = np.sum(np.diff(diferencias))
for i in range(0, MFCC):
vector[indf,acumulado] = delta[i]
acumulado = acumulado + 1
for i in range(0, MFCC):
vector[indf,acumulado] = dobledelta[i]
acumulado = acumulado + 1
if CHROMA > 0:
array_chroma=Espectro.chroma()
for i in range(0,CHROMA):
vector[indf,acumulado]=array_chroma[i]
acumulado = acumulado + 1
if FLUX > 0:
spectral_frames=s.frames(lenv)
spectra = [f.spectrum_dct() for f in spectral_frames]
flujo=SpectralFlux.spectralFlux(spectra, rectify=True)
for i in range(0,FLUX):
vector[indf, acumulado]=flujo[i]
acumulado = acumulado + 1
return vector
def extractor_var(origen, framelen=0.25, destino=''):
"""
Metodo extractor de features (caracteristicas o descriptores) de un array de tipo PCM
Se realizara mediante segmentacion por segundos del array de muestras de audio.
Por cada segundo tendremos una fila de un vector 1D de longitud el numero de parametros que extraigamos
Al final se almacena esta matriz de dimensiones NumSegundosxNumParametros en formato npy en una ruta designada
Un archivo por cada audio
O tambien,si no le damos un destino, genera un vector uniendo todos los audios y lo devuelve
:param s: ruta de los arrays originales para parametrizar
:type s: string
:param p: ruta donde se almacenaran los vectores parametrizados
:type p: string
Actualmente en config tenemos establecido este set de features:
Vector de 20 parametros:
lst_energy - hzcrr - centroid - spread - variance - rolloff - mean - crest - mfcc (8)
"""
if not os.path.isdir(origen):
if not os.path.isfile(origen):
print 'Directorio o nombre de archivos de origen no valido o sin extension (wav/mp3)'
sys.exit()
else:
origen = origen
else:
origen = os.path.join(origen, '*.wav')
if not glob.glob(origen):
print 'no hay archivos de formato wav en el directorio'
sys.exit()
vectortotal = []
primero = True
print 'Inicio del parametrizador. Extraccion segundo a segundo y con %i parametros' % NUM_PARAMETROS
for filename in (glob.glob(origen)):
print '\nVectorizando archivo: ', filename
t1 = time.time()
s = AudioFile.open(filename)
sf = s.frames(s.sampleRate * framelen)
num_ventanas = len(sf)
lenv = np.round(s.sampleRate * VENTANA)
vector = np.zeros([num_ventanas, NUM_PARAMETROS], dtype=np.float32)
for indf, frame in enumerate(sf):
print len(frame)
if len(frame) < s.sampleRate:
break
Espectro = frame.spectrum()
acumulado = 0
for param in zip(PARAMETROS, TIPO_PARAMETROS):
if not param[1]:
vector[indf,
acumulado] = getattr(Energy,
param[0])(frame,
windowSize=lenv,
solape=SOLAPE)
else:
vector[indf, acumulado] = Espectro.mean(
) # getattr(Espectro, param[0])()
acumulado = acumulado + 1
if MFCC > 0:
mfcc_features = mfcc(frame,
samplerate=s.sampleRate,
winlen=VENTANA,
numcep=MFCC)
mfcc_means = np.mean(mfcc_features, 0)
for i in range(0, MFCC):
vector[indf, acumulado] = mfcc_means[i]
acumulado = acumulado + 1
if DELTAS:
delta = np.zeros(MFCC)
dobledelta = np.zeros(MFCC)
for i in range(0, MFCC):
diferencias = np.diff(mfcc_features[:, i])
delta[i] = np.sum(diferencias)
dobledelta[i] = np.sum(np.diff(diferencias))
for i in range(0, MFCC):
vector[indf, acumulado] = delta[i]
acumulado = acumulado + 1
for i in range(0, MFCC):
vector[indf, acumulado] = dobledelta[i]
acumulado = acumulado + 1
if CHROMA > 0:
array_chroma = Espectro.chroma()
for i in range(0, CHROMA):
vector[indf, acumulado] = array_chroma[i]
acumulado = acumulado + 1
if FLUX > 0:
spectral_frames = frame.frames(lenv)
spectra = [f.spectrum_dct() for f in spectral_frames]
flujo = SpectralFlux.spectralFlux(spectra, rectify=True)
for i in range(0, FLUX):
vector[indf, acumulado] = flujo[i]
acumulado = acumulado + 1
print 'Tiempo de parametrizacion (minutos): '
print(time.time() - t1) / 60
archivo = os.path.split(filename)[1].split('.')[0]
ruta = os.path.join(destino, archivo)
if destino:
np.save(ruta, vector)
if primero:
vectortotal = np.array(vector)
else:
vectortotal = np.append(vectortotal, np.array(vector), axis=0)
primero = False
return vectortotal
def extractor_var(origen, framelen = 0.25, destino=''):
"""
Metodo extractor de features (caracteristicas o descriptores) de un array de tipo PCM
Se realizara mediante segmentacion por segundos del array de muestras de audio.
Por cada segundo tendremos una fila de un vector 1D de longitud el numero de parametros que extraigamos
Al final se almacena esta matriz de dimensiones NumSegundosxNumParametros en formato npy en una ruta designada
Un archivo por cada audio
O tambien,si no le damos un destino, genera un vector uniendo todos los audios y lo devuelve
:param s: ruta de los arrays originales para parametrizar
:type s: string
:param p: ruta donde se almacenaran los vectores parametrizados
:type p: string
Actualmente en config tenemos establecido este set de features:
Vector de 20 parametros:
lst_energy - hzcrr - centroid - spread - variance - rolloff - mean - crest - mfcc (8)
"""
if not os.path.isdir(origen):
if not os.path.isfile(origen):
print 'Directorio o nombre de archivos de origen no valido o sin extension (wav/mp3)'
sys.exit()
else:
origen = origen
else:
origen = os.path.join(origen, '*.wav')
if not glob.glob(origen):
print 'no hay archivos de formato wav en el directorio'
sys.exit()
vectortotal = []
primero = True
print 'Inicio del parametrizador. Extraccion segundo a segundo y con %i parametros' % NUM_PARAMETROS
for filename in (glob.glob(origen)):
print '\nVectorizando archivo: ', filename
t1 = time.time()
s = AudioFile.open(filename)
sf = s.frames(s.sampleRate*framelen)
num_ventanas = len(sf)
lenv = np.round(s.sampleRate*VENTANA)
vector = np.zeros([num_ventanas, NUM_PARAMETROS], dtype=np.float32)
for indf, frame in enumerate(sf):
print len(frame)
if len(frame)<s.sampleRate:
break
Espectro = frame.spectrum()
acumulado=0
for param in zip(PARAMETROS, TIPO_PARAMETROS):
if not param[1]:
vector[indf, acumulado] = getattr(Energy, param[0])(frame, windowSize= lenv, solape=SOLAPE)
else:
vector[indf, acumulado] = Espectro.mean()# getattr(Espectro, param[0])()
acumulado = acumulado + 1
if MFCC > 0:
mfcc_features = mfcc(frame, samplerate=s.sampleRate,winlen=VENTANA, numcep=MFCC)
mfcc_means = np.mean(mfcc_features, 0)
for i in range(0, MFCC):
vector[indf, acumulado] = mfcc_means[i]
acumulado = acumulado + 1
if DELTAS:
delta=np.zeros(MFCC)
dobledelta=np.zeros(MFCC)
for i in range(0, MFCC):
diferencias=np.diff(mfcc_features[:, i])
delta[i] = np.sum(diferencias)
dobledelta[i] = np.sum(np.diff(diferencias))
for i in range(0, MFCC):
vector[indf, acumulado] = delta[i]
acumulado = acumulado + 1
for i in range(0, MFCC):
vector[indf, acumulado] = dobledelta[i]
acumulado = acumulado + 1
if CHROMA > 0:
array_chroma=Espectro.chroma()
for i in range(0,CHROMA):
vector[indf, acumulado]=array_chroma[i]
acumulado = acumulado + 1
if FLUX > 0:
spectral_frames=frame.frames(lenv)
spectra = [f.spectrum_dct() for f in spectral_frames]
flujo=SpectralFlux.spectralFlux(spectra, rectify=True)
for i in range(0,FLUX):
vector[indf, acumulado]=flujo[i]
acumulado = acumulado + 1
print 'Tiempo de parametrizacion (minutos): '
print (time.time()-t1)/60
archivo = os.path.split(filename)[1].split('.')[0]
ruta = os.path.join(destino,archivo)
if destino:
np.save(ruta, vector)
if primero:
vectortotal = np.array(vector)
else:
vectortotal = np.append(vectortotal,np.array(vector), axis=0)
primero = False
return vectortotal