Synteza mowy II: Akcent i zabawa dźwiękiem

Praktyka

Obsługa plików wave w Pythonie

Mówimy sobie tak ogólnie o tym, co należy zrobić i dlaczego, ale pewne przerażenie może budzić myśl o zaimplementowaniu tych wszystkich operacji w jakimś języku programowania. Niepotrzebnie! Pokażemy teraz jak poradzić sobie z obsługą plików wave w języku Python. Nie będziemy wyważać otwartych drzwi i skorzystamy ze standardowej biblioteki wave.

Zanim zaczniemy, parę słów o wyglądzie pliku wave. Otóż każdy plik ma swoją częstotliwość próbkowania, czyli ilość ramek (wartości funkcji) mieszczącej się w jednej sekundzie dźwięku. Standardowo wynosi ona 44100, co oznacza, że jedna sekunda kodowana jest przez 44100 wartości.

Plik wczytamy w ten sposób:

1
2
3
4
5

import wave
 
file = wave.open(filename)      #filename - nazwa pliku wav
bytes = file.readframes(file.getnframes())
file.close()

W zmiennej bytes dostaniemy listę bajtów reprezentujących funkcję dźwięku. Działanie na liście bajtów byłoby jednakże niewygodne - chcielibyśmy po prostu listę wartości. Standardowo pliki "wav" zapisywane są w formacie 16 bitowym, co oznacza, że jedna wartość kodowana jest przez dwa bajty i odpowiada typowi short z języka C.

Sprawdźmy czy rozumiemy. Proste pytanie: jaką długość będzie miała lista bytes, przy założeniu, że plik dźwiękowy trwa jedną sekundę, a częstotliwość próbkowania wynosi 44100?

Pokaż odpowiedź.

Lista będzie miała długość 88200, a to dlatego, że plik miałby 44100 ramek i każda ramka kodowana byłaby przez 2 bajty.

Napiszmy więc funkcję zmieniającą listę bajtów w listę liczb:

1
2
3
4
5
6
7

import struct   #standardowa biblioteka
def byte2short(bytelist):
        vals = []
        for i in range(0, len(bytelist), 2):
                #każde dwa bajty zmieniamy w jednego "shorta"
                vals.append(struct.unpack('h', bytelist[i]+bytelist[i+1])[0])   
        return vals

Od razu napiszmy też funkcję odwrotną - zmieniającą listę wartości w listę bajtów:

1
2
3
4
5
6
7
8

def short2byte(vallist):
        bytes = []
        for v in vallist:
                bytes.append(struct.pack('h', v))
                
        #w Pythonie lista bajtów to po prostu string 
        #(każdy znak ma długość jednego bajta)
        return ''.join(bytes)   

A teraz powiedzmy, że mamy listę wartości fali dźwiękowej i chcemy stworzyć z niej plik wave. Zrobimy to w ten sposób:

1
2
3
4
5
6
7

W = wave.open("plik.wav", "w")
W.setnchannels(1)                       #ustawiamy ilość kanałów
W.setsampwidth(2)                       #ilość bajtów kodujących jedną ramkę
W.setframerate(44100)           #częstotliwość próbkowania
bytes = short2byte(vallist)     #vallist to lista wartości, które chcemy zapisać
W.writeframes(bytes)
W.close()

Prawda, że proste? Po zrozumieniu tych paru fragmentów kodu zabawa z plikami "wave" nie będzie nastręczać już żadnych trudności. I wcale nie jest powiedziane, że musimy bawić się w Pythonie - w każdym języku obsługa wave'ów powinna wyglądać mniej więcej tak samo.

Szukanie epoki

Pozostaje jeszcze jedno pytanie: jak szukać epok? Można by napisać program, który robiłby to automatycznie, jednak nie ma takiej potrzeby. Samogłosek jest na tyle mało, że w każdym nagraniu możemy ręcznie odnaleźć numery ramek zawierających jedną epokę i wpisać je do jakiegoś pliku - żeby potem program łatwo je odczytał. Do tego celu doskonale nada się wspominany już program Audacity.