根据时间戳为不同的时间间隔计算 mfcc

Question

我遇到了这个不错的教程 https://github.com/manashmndl/DeadSimpleSpeechRecognizer，其中数据是根据以文件夹分隔的样本进行训练的，并且所有 mfcc 都是一次性计算的。

我正在尝试以不同的方式实现类似的目标。

基于此：https://librosa.github.io/librosa/generated/librosa.feature.mfcc.html

librosa 可以计算任何音频的 mfcc。如下：

import librosa  
y, sr = librosa.load('test.wav')
mymfcc= librosa.feature.mfcc(y=y, sr =sr)

但我想根据文件中的时间戳逐部分计算音频的 mfcc。

该文件具有如下标签和时间戳：

0.0 2.0 sound1
2.0 4.0 sound2
4.0 7.0 silence
7.0 11.0 sound1

我想计算每个范围的mfcc，我希望得到一个看起来像mfcc及其对应标签的标记火车数据。 mfcc_1 , 声音 1 mfcc_2, 声音2
等等。

如何实现？

我查看了，问题很相似，但我发现问题和答案都有些难以理解（因为我是这个领域的新手）。

TIA

更新：我的代码：

import librosa
from subprocess import call

def ListDir():
    call(["ls", "-l"])

def main():
    ListDir()
    readfile_return_segmentsmfcc()

my_segments =[]
# reading annotated file
def         readfile_return_segmentsmfcc():

    pat ='000.mp3'
    y, sr = librosa.load(pat)

    print "\n sample rate :"
    print sr

    with open("000.txt", "rb") as f:
        for line in f.readlines():
            start_time, end_time, label = line.split('\t')
            start_time = float(start_time)
            end_time = float(end_time)
            label = label.strip()
            my_segments.append((start_time, end_time, label))

            start_index = librosa.time_to_samples(start_time)
            end_index = librosa.time_to_samples(end_time)

            required_slice = y[start_index:end_index]
            required_mfcc = librosa.feature.mfcc(y=required_slice, sr=sr)
            print "Mfcc size is {} ".format(mfcc.shape)


            print start,end,label


    return my_segments


main()

Answer 1

读取开始和结束时间：
start=2.0 end=4.0
使用 librosa.time_to_samples:
转换为样本索引 start_index = librosa.time_to_samples(start)
end_index = librosa.time_to_samples(end)
使用python [:]运算符从数据中获取相关切片：
slice = y[int(start_index):int(end_index)]
在 slice 上计算 mfcc，等等

根据时间戳为不同的时间间隔计算 mfcc

compute mfcc for varying time intervals based on time stamps

python

audio

mfcc

librosa