python - 使用 python 在音频中查找语速和语调

Question

给定一个音频，我想计算语音的节奏。即它有多快或多慢。

目前我正在做以下事情:
- 将语音转换为文本并获取成绩单(使用免费工具)。
- 计算成绩单中的字数。
- 计算文件的长度或持续时间。
- 最后，pace = (number of words in transcript / duration of file) .

然而，获得的速度的准确性完全取决于转录，我认为这是一个不必要的步骤。

是否有任何 python-library/sox/ffmpeg 方式可以让我

以直接的方式计算音频中谈话的速度/节奏

该音频的主要音高/音调？

我转介:我转介: http://sox.sourceforge.net/sox.html和 https://digitalcardboard.com/blog/2009/08/25/the-sox-of-silence/

Answer 1

作为一种快速的一阶近似，您的方法听起来很有趣，但受转录分辨率的限制。您可以直接分析音频文件。

我对 Sox 不熟悉，但从他们的手册看来，统计 选项给出“...关于音频的时域和频域统计信息”

Sox 声称自己是“音频处理的瑞士军刀”，并且仅通过浏览他们的文档似乎可能适合您找到一般节奏。

如果你也想运行音高分析，那么你可以用 python 开发你自己的算法——我最近使用了 librosa，发现它非常有用并且有据可查。