语音指令分类模型训练(基于机器学习方法)

news2026/4/14 11:08:25
1、统计音频长度信息便于后续参数的设定import os import librosa import numpy as np # 配置参数 DATA_PATH data4c # 数据集根目录 FIXED_SAMPLE_RATE 16000 def stat_audio_lengths(): # 存储所有音频的长度采样点数和时长秒 all_lengths [] all_durations [] # 遍历所有类别文件夹 labels os.listdir(DATA_PATH) for label in labels: label_path os.path.join(DATA_PATH, label) if not os.path.isdir(label_path): continue # 遍历文件夹下所有音频文件 for fname in os.listdir(label_path): fpath os.path.join(label_path, fname) try: # 读取音频 y, sr librosa.load(fpath, srFIXED_SAMPLE_RATE) length len(y) # 长度采样点数 duration length / sr # 时长秒 all_lengths.append(length) all_durations.append(duration) # 打印单个文件信息 print(f{fpath} - 采样点数: {length}, 时长: {duration:.2f}s) except Exception as e: print(f读取失败: {fpath} - {e}) # 计算统计指标 if all_lengths: print(f总文件数: {len(all_lengths)}) print( f采样点数 - 最大值: {np.max(all_lengths)}, 最小值: {np.min(all_lengths)}, 平均值: {np.mean(all_lengths):.0f}) print( f时长 - 最大值: {np.max(all_durations):.2f}s, 最小值: {np.min(all_durations):.2f}s, 平均值: {np.mean(all_durations):.2f}s) else: print(没有读取任何音频文件) # 运行统计 if __name__ __main__: stat_audio_lengths()2、加载数据集提取mfcc特征并特征对齐import os import librosa import numpy as np from sklearn.model_selection import train_test_split FIXED_SAMPLE_RATE 16000 # 统一采样率16000Hz语音标准 MAX_LEN 36000 # 采样点 N_MFCC 13 # 特征数,通常取13维 # 加载数据集(用于机器学习模型分类) # X_2d:(samples, n_mfcc_feature), y_1d:(samples,) def load_data4ml(data_pt): X, y [], [] labels os.listdir(data_pt) f open(result/label.txt, w) for label in labels: folder os.path.join(data_pt, label) f.write(str(label) label \n) for fname in os.listdir(folder): fpath os.path.join(folder, fname) # y音频时域信号 sr采样率 y_audio, sr librosa.load(fpath, srFIXED_SAMPLE_RATE) # 提取MFCC特征 mfccs librosa.feature.mfcc( yy_audio, srsr, n_mfccN_MFCC, # 提取13维MFCC n_fft512, # FFT窗长 hop_length256, # 帧移 n_mels 40 # 梅尔滤波器组数量 ) # 统一帧数,末尾补零 / 截断尾部 n_mfcc, current_frames mfccs.shape if current_frames MAX_LEN: # 过长: 截断尾部 mfccs_fixed mfccs[:, :MAX_LEN] else: # 过短: 在末尾补零 pad_length MAX_LEN - current_frames mfccs_fixed np.pad(mfccs, ((0, 0), (0, pad_length)), modeconstant) # 特征归一化(特征维度N_MFCC, 帧数MAX_LEN) mfcc (mfccs_fixed - np.mean(mfccs_fixed,axis1,keepdimsTrue))/(np.std(mfccs_fixed,axis1,keepdimsTrue)1e-8) # 一阶差分 二阶差分, 拼接成 39 维特征 delta_mfcc librosa.feature.delta(mfcc) delta2_mfcc librosa.feature.delta(mfcc, order2) mfcc_39d np.concatenate([mfcc, delta_mfcc, delta2_mfcc], axis0) feature mfcc_39d.flatten() # 2d特征--1d特征 X.append(feature) y.append(label) X np.array(X) y np.array(y) X_train, X_test, y_train, y_test train_test_split(X, y) print(训练样本及标签:,X_train.shape,y_train.shape) print(测试样本及标签:,X_test.shape,y_test.shape) return X_train, X_test, y_train, y_test3、使用机器学习算法训练语音分类模型import joblib from sklearn.svm import SVC from sklearn.neighbors import KNeighborsClassifier from sklearn.neural_network import MLPClassifier from read_data import load_data4ml def train(data_path): X_train, X_test, y_train, y_test load_data4ml(data_path) print(X_train.shape, X_test.shape, y_train.shape, y_test.shape) # 训练KNN模型,适合指令识别 # model KNeighborsClassifier(n_neighbors5) # 支持向量机 # model SVC() # 多层感知机 model MLPClassifier(hidden_layer_sizes(200,100),activationrelu) model.fit(X_train, y_train) # 测试准确率 acc model.score(X_test, y_test) print(f训练完成\n测试准确率{acc * 100:.2f}%) # 保存模型 if acc0.85: joblib.dump(model, result/mlp_model.pkl) print(模型已保存result/mlp_model.pkl) if __name__ __main__: train(data_pathdata4c)4、使用训练好的模型进行测试import joblib import librosa import numpy as np from read_data import FIXED_SAMPLE_RATE, MAX_LEN, N_MFCC def process_data(fpt): # y音频时域信号 sr采样率 y_audio, sr librosa.load(fpt, srFIXED_SAMPLE_RATE) # 提取MFCC特征 mfccs librosa.feature.mfcc( yy_audio, srsr, n_mfccN_MFCC, # 提取13维MFCC n_fft512, # FFT窗长 hop_length256, # 帧移 n_mels40 # 梅尔滤波器组数量 ) # 统一帧数,末尾补零 / 截断尾部 n_mfcc, current_frames mfccs.shape if current_frames MAX_LEN: mfccs_fixed mfccs[:, :MAX_LEN] else: pad_length MAX_LEN - current_frames mfccs_fixed np.pad(mfccs, ((0, 0), (0, pad_length)), modeconstant) # 特征归一化(特征维度N_MFCC, 帧数MAX_LEN) mfcc (mfccs_fixed - np.mean(mfccs_fixed, axis1, keepdimsTrue)) / ( np.std(mfccs_fixed, axis1, keepdimsTrue) 1e-8) # 一阶差分 二阶差分, 拼接成 39 维特征 delta_mfcc librosa.feature.delta(mfcc) delta2_mfcc librosa.feature.delta(mfcc, order2) mfcc_39d np.concatenate([mfcc, delta_mfcc, delta2_mfcc], axis0) feature mfcc_39d.flatten() # 2d特征--1d特征 X np.array([feature]) return X def predict(file): model joblib.load(result/mlp_model.pkl) X process_data(file) lb file.split(/)[-1].split(_)[0] pred model.predict(X) print(pred) flg 正确 if pred[0]lb else 错误 print(f识别{flg}\t真实标签:{lb}\t识别结果{pred[0]}\t) return pred[0] if __name__ __main__: # 测试样本 file test_data/3_1774506934932.wav predict(file)

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2516234.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…