如何通过 parselmouth 在音频子序列上计算音频指标

Question

我正在使用parselmouth（praat 的包装）来提取强度和音高特征：

snd = parselmouth.Sound(path)

intensity = snd.to_intensity()
pitch = snd.to_pitch()

但是，音频文件包含很长的静音序列，我想在计算这些音频指标之前将其删除。我可以通过处理通过 wave 包读取音频（并应用一些逻辑）返回的 numpy 数组来消除静音，但无法将新数组传递给 parselmouth。

我什至愿意向 parselmouth 提供 startTime 和 endTime 参数，但也找不到支持该参数的文档。

Answer 1

有两个选项可能对这种情况有用：

• 您可以从样本中创建parselmouth.Sound，而不是从文件中读取。有a constructor taking a NumPy array (or a list/iterable convertible to NumpyArray) and sampling frequency
• Parselmouth Sound 也有a method Sound.extract_part（相当于用户界面中Praat 的“提取部件...”按钮），允许您提取片段（甚至可以使用与矩形窗口不同的窗口形状进行窗口化）。

请注意，您可能希望在移除静音时留出一点余量，因为 1) 强度和音高分析都使用特定大小的滑动窗口（因此，如果您不留余量，一些窗口将超过“不连续语音”），以及 2）音高分析使用启发式方法来保持 +- 连续音高轮廓（因此，如果您没有在检测到静音/没有发声的地方留出余量，则相邻片段' 音高估计会相互影响）。