如何通过 parselmouth 计算音频子序列的音频指标

Question

我正在使用 parselmouth（praat 的包装器）通过这样做来提取强度和音调特征：

snd = parselmouth.Sound(path)

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

但是，音频文件包含长序列的静音，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，但我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：

• 您可以从示例中创建 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
• 蛇佬腔 Sound 也有 a method Sound.extract_part（等同于 UI 中 Praat 的 "Extract part..." 按钮）允许你提取碎片（甚至 window 使用与矩形 window) 不同的 window 形状编辑。

请注意，您可能希望在移除静音时留一点或余量，因为 1) 强度和音调分析都使用了一定大小的滑动 window（所以如果您不留一个边距，一些 windows 将超过 'discontinous speech')，并且 2) 音高分析使用启发式来保持 +- 连续的音高轮廓（所以如果你不留边距silence/the检测到没有发声，相邻片段的音高估计会相互影响）。