Напиши скрипт Python Notebook для следующих последовательных…
- User
Assistant: User: User: Напиши скрипт Python Notebook для следующих последовательных задач:
- загрузка файла .wav
- чтение сэмплов (амплитуд) файла wav
- применение к амплитудам преобразования фурье для формирования звуковых частотных спектров для каждого момента времени
- визуализация частотного спектра для случайного момента времени аудиодорожки файла wav Assistant: Конечно! Вот пример скрипта Python Notebook, который выполняет указанные задачи:
# Убедитесь, что все необходимые библиотеки установлены # !pip install numpy scipy matplotlib import numpy as np import matplotlib.pyplot as plt from scipy.io import wavfile from scipy.fft import fft # 1) Загрузка файла .wav # Укажите путь к вашему .wav файлу file_path = 'path/to/your/file.wav' # Чтение файла wav с помощью scipy.io.wavfile.read sample_rate, data = wavfile.read(file_path) # 2) Чтение сэмплов (амплитуд) файла wav # Если аудиофайл стерео, преобразуем его в моно путем усреднения каналов. if len(data.shape) > 1: data = np.mean(data, axis=1) print(f"Частота дискретизации: {sample_rate} Гц") print(f"Количество сэмплов: {len(data)}") # 3) Применение к амплитудам преобразования Фурье для формирования звуковых частотных спектров для каждого момента времени def compute_fft(samples): # Применяем быстрое преобразование Фурье (FFT) N = len(samples) yf = fft(samples) # Получаем частоты оси x в герцах xf = np.fft.fftfreq(N, 1 / sample_rate) return xf[:N//2], np.abs(yf[:N//2]) random_time_index = np.random.randint(0, len(data)) window_size = int(sample_rate * 0.02) # анализируем окно в размере 20 мс (можно настроить) start_index = max(0, random_time_index - window_size // 2) end_index = min(len(data), start_index + window_size) samples_windowed = data[start_index:end_index] frequencies, magnitudes = compute_fft(samples_windowed) # 4) Визуализация частотного спектра для случайного момента времени аудиодорожки файла wav plt.figure(figsize=(12,6)) plt.plot(frequencies, magnitudes) plt.title('Частотный спектр случайного окна') plt.xlabel('Частота (Гц)') plt.ylabel('Амплитуда') plt.grid() plt.show()Этот скрипт выполня User: продолжай Assistant: One message exceeds the 1000chars per message limit. Join our discord for more: https://discord.com/invite/q55gsH8z5F User: продолжай Assistant: Assistant:
- Assistant
извините за ограничение по символам. Продолжу объяснение.
В этом скрипте разбираются следующие ключевые шаги:
-
Загрузка файла .wav: Используется
scipy.io.wavfile.readдля чтения аудиофайла, извлекая частоту дискретизации и амплитудные данные. -
Чтение сэмплов (амплитуд): Если аудиофайл имеет стереозвук (то есть более одного канала), он преобразуется в моно-звук, усредняя каналы.
-
Вычисление преобразования Фурье: Сначала мы берём случайное окно (по умолчанию 20 мс) для анализа. Затем на это окно данных применяется быстрое преобразование Фурье (FFT), вычисляя частоту и связанные с ней амплитуды.
-
Визуализация: График частотного спектра создается используя
matplotlib, где оси X представляют частоты, а оси Y соответствуют амплитудам.
Параметры, такие как
window_size, можно настраивать для изменения аналога анализа. Перед выполнением скрипта, не забудьте изменитьfile_pathна путь к вашему аудиофайлу. -