如何将 voice.csv 数据转换为音频 wav 形式？

Question

我正在使用 voice.csv 数据将其转换为音频 wav 形式，但它有 21 列，在我的代码中它只需要两个值（列），所以我应该在我的代码中进行哪些更改来创建wav 格式。

数据来自https://www.kaggle.com/primaryobjects/voicegender，其中也有数据描述：

测量每个声音的以下声学属性并将其包含在 CSV 中：

• meanfreq：平均频率（以 kHz 为单位）
• sd：频率的标准偏差
• median：中值频率（以 kHz 为单位）
• Q25：第一个分位数（以 kHz 为单位）
• Q75：第三分位数（以 kHz 为单位）
• IQR：分位数范围（以 kHz 为单位）
• skew：偏度（参见规范说明中的注释）
• kurt：峰度（参见 specprop 描述中的注释）
• sp.ent：谱熵
• sfm：光谱平坦度
• 模式：模式频率
• centroid：频率质心（参见 specprop）
• peakf：峰值频率（能量最高的频率）
• meanfun：通过声学信号测量的基频平均值
• minfun：通过声学信号测量的最小基频
• maxfun：通过声学信号测量的最大基频
• meandom：在声学信号中测量的主频率的平均值
• mindom：在声学信号中测量的主频率的最小值
• maxdom：在声学信号中测量的最大主频率
• dfrange：在声信号中测量的主频率范围
• modindx：调制指数。计算为基频相邻测量值之间的累积绝对差除以频率范围
• 标签：男性或女性

我的代码需要两列输入。我试图将这些列转换为时间和频率，并通过跳过多个列进行了尝试，但没有得到我想要的结果。

import wave
import struct
import sys
import csv
import numpy 
from scipy.io import wavfile
from scipy.signal import resample


def write_wav(data, filename, framerate, amplitude):
wavfile = wave.open(filename,'w')
nchannels = 1
sampwidth = 2
framerate = framerate
nframes = len(data)
comptype = "NONE"
compname = "not compressed"
wavfile.setparams((nchannels,
                    sampwidth,
                    framerate,
                    nframes,
                    comptype,
                    compname))
frames = []
for s in data:
    mul = int(s * amplitude)
    frames.append(struct.pack('h', mul))

frames = ''.join(frames)
wavfile.writeframes(frames)
wavfile.close()
print("%s written" %(filename))


if __name__ == "__main__":
if len(sys.argv) <= 1:
    print ("You must supply a filename to generate")
    exit(-1)
for fname in sys.argv[1:]:

    data = []
    for time, value in csv.reader(open('voice.csv'), delimiter=','):
        try:
            data.append(float(value))#Here you can see that the time column is skipped
        except ValueError:
            pass # Just skip it


    arr = numpy.array(data)#Just organize all your samples into an array
    # Normalize data
    arr /= numpy.max(numpy.abs(data)) #Divide all your samples by the max sample value
    filename_head, extension = fname.rsplit(',',1)        
    data_resampled = resample( arr, len(data) )
    wavfile.write('rec.wav', 16000, data_resampled) #resampling at 16khz
    print ("File written succesfully !")






ValueError                                Traceback (most recent call 
last)
<ipython-input-10-ad8c56a24b4d> in <module>
  6 
  7         data = []
----> 8         for time, value in csv.reader(open('voice.csv'), 
delimiter=','):
  9             try:
 10                 data.append(float(value))#Here you can see that the 
time column is skipped

ValueError: too many values to unpack (expected 2)

Answer 1

该文件包含统计汇总，而不是实际的音频数据。仅凭这些整体测量结果，您无法对忠实的音频信号进行逆向工程。

总而言之，这就像尝试仅根据距离和时间在两点之间创建地形剖面。额外的测量数据，如海拔差异或时间段内的平均加速度将极大地限制可能猜测的数量，但你仍然在疯狂地猜测。