【发布时间】：2018-09-26 16:42:36
【问题描述】：
我有音频文件说“left.wav”、“right.wav”等等，我想创建一个模型，它将音频作为输入和输出标签“左”或“右”等。
问题
如何将原始音频馈送到我的神经网络？
【问题讨论】：
标签： tensorflow neural-network audio-processing
【发布时间】：2018-09-26 16:42:36
【问题描述】：
scipy.io.wavfile.read() 函数将在 numpy 数组中返回采样率和整个音频。
然后您可以将其提供给您的网络。
import scipy
rate, numpy_audio = scipy.io.wavfile.read( "left.wav" )
如果你想做语音识别，请查看DeepSpeech，这是一个很大的项目，但你可能会从中得到一些好的想法。
对于更简单的介绍，Tensorflow 有一个 Simple Audio Recognition 教程。
要生成音频，您可能需要考虑 WaveNet - this is one particular implementation。
【讨论】：
-
就这样？仅此而已？
-
是不是太容易了？ :)
-
你在做语音识别吗？
-
在我的回答中为你添加了一些链接
-
嗨，非常感谢。是的，我只是想使用 tensorflow 创建一个基本的语音识别模型。 :)