用于tensorflow的音频重采样层
用于tensorflow的音频重采样层
提问于 2022-03-29 04:13:48
它需要在自定义模型结构中重采样音频信号。这种重采样任务不是一种可以从模型中发展出来的预处理/后处理操作。换句话说，这种重采样是模型内部设计的一部分。然后，还需要为这样一个层定义梯度操作。对于重采样操作，它将使用tensorflow I/O：
操作工作非常完美，可以很容易地用作前/后处理单元；然而，它的实现--一个自定义层嵌入到模型中--是很有挑战性的，因为我不知道如何实现反向路径。
- 对于这样一个一维信号重采样层，应该如何实现反向路径？
- 是否还有其他开放源码的一维信号重采样层？
P.S.，我尝试使用传统的像层一样的上采样/池，但对实现其他重采样方法(如基于FFT的)的tfio进行比较却不够精确。
为了提供更多的理解，请看一下：另一个问题
回答 1
Stack Overflow用户
发布于 2022-03-29 08:07:02
你必须告诉重新采样的目标，它可以在很多方面完成，包括总结唱歌信号，然后你可以用较小的正弦值来表示。
通过改变采样率，您可以节省数据空间0.05 *tf.math.sin(音频:5* 22050).numpy()
tf.math.sin(audio0:2750).numpy() sec_1 = np.zeros((2750)) *
tf.math.sin(audio2750:5500).numpy() sec_2 = np.ones((2750)) *
样本
import numpy as np
import tensorflow as tf
import matplotlib.pyplot as plt
contents = tf.io.read_file("F:\\temp\\Python\\Speech\\temple_of_love-sisters_of_mercy.wav")
audio, sample_rate = tf.audio.decode_wav(
contents, desired_channels=-1, desired_samples=-1, name=None
)
print(audio)
print(sample_rate)
plt.plot(audio[:5 * 22050])
plt.show()
plt.close()
plt.plot(0.05 * tf.math.sin(audio[:5 * 22050]).numpy())
plt.show()
plt.close()
sec_1 = np.zeros((2750)) * tf.math.sin(audio[0:2750]).numpy()
sec_2 = np.ones((2750)) * tf.math.sin(audio[2750:5500]).numpy()
plt.plot(0.05 * tf.concat([sec_1, sec_2], 0).numpy())
plt.show()
plt.close()输出
array([[0.],
[0.],
[0.],
...,
[0.],
[0.],
[0.]], dtype=float32)>, sample_rate=<tf.Tensor: shape=(), dtype=int32, numpy=22050>)
tf.Tensor(22050, shape=(), dtype=int32)
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/71661813
复制相关文章
点击加载更多
相似问题
音频重采样库
如何使用Tensorflow API对音频文件进行重采样
用NAudio重采样音频
防止网络音频重采样
用Tensorflow重采样(向上采样或向下采样)图像
添加站长 进交流群
领取专属 10元无门槛券
AI混元助手 在线答疑
关注 腾讯云开发者公众号
洞察 腾讯核心技术
剖析业界实践案例
腾讯云开发者
