音频分类-数据集：ESC-50【每个音频长度为5 秒，5个大类，50 个小类（每个小类 40 个样本），共 2000个样本】

小咪咪 2023-09-28 15:14 46阅读 0赞

该数据集由 5 秒长的记录组成，这些记录被组织成 50 个语义类（每个类 40 个示例），松散地排列成 5 个主要类别,  
ESC-50 数据集是 2000 个环境录音的标记集合，适用于环境声音分类的基准测试方法。

GitHub下载地址：(https://github.com/karolpiczak/ESC-50)  
[esc-50-aug][]

![在这里插入图片描述][81ede1e03e1b4ea7b8dd3a37825c82f7.webp]  
对应的cvs文件有声音的描述:  
![在这里插入图片描述][60041eab85e84a5ea6199b8c42a7d60a.webp]

# 例如我们播放狗叫声
    import IPython.display as display
    display.Audio('../study/sound/ESC-50/audio/1-100032-A-0.wav')

# 声音可视化代码, 使用pywave模块,读取声音文件,一组将声音文件一波形显示
    import wave
    import struct
    import numpy as np
    import matplotlib.pyplot as plt
    
    # 读取wav文件
    filename = '../study/sound/ESC-50/audio/1-100032-A-0.wav'
    wavefile = wave.open(filename, 'r')  # open for writing
    
    # 读取wav文件的四种信息的函数。期中numframes表示一共读取了几个frames。
    nchannels = wavefile.getnchannels()
    sample_width = wavefile.getsampwidth()
    framerate = wavefile.getframerate()
    numframes = wavefile.getnframes()
    
    print("channel", nchannels)
    print("sample_width", sample_width)
    print("framerate", framerate)
    print("numframes", numframes)
    
    # 建一个y的数列，用来保存后面读的每个frame的amplitude。
    y = np.zeros(numframes)
    
    # for循环，readframe(1)每次读一个frame，取其前两位，是左声道的信息。右声道就是后两位啦。
    # unpack是struct里的一个函数，用法详见http://docs.python.org/library/struct.html。简单说来就是把＃packed的string转换成原来的数据，无论是什么样的数据都返回一个tuple。这里返回的是长度为一的一个
    # tuple，所以我们取它的第零位。
    for i in range(numframes):
        val = wavefile.readframes(1)
        left = val[0:2]
        # right = val[2:4]
        v = struct.unpack('h', left)[0]
        y[i] = v
        
    # framerate就是声音的采用率，文件初读取的值。
    Fs = framerate
    time = np.arange(0, numframes) * (1.0 / framerate)
    
    # 显示时域图(波形图)
    plt.subplot(211)
    plt.plot(time, y)
    # 显示频域图(频谱图)
    plt.subplot(212)
    plt.specgram(y, NFFT=1024, Fs=Fs, noverlap=900)
    plt.show()

![在这里插入图片描述][6a97e0dd84274e8c9c7b23827b2fdb38.webp]

--------------------

参考资料：  
[声音之旅 ----- 声音数据集 ESC-50][----- _ ESC-50]  
[ESC-50数据集的分析(1)][ESC-50_1]

[esc-50-aug]: https://www.kaggle.com/datasets/tubistaj/esc50aug
[81ede1e03e1b4ea7b8dd3a37825c82f7.webp]: https://img-blog.csdnimg.cn/81ede1e03e1b4ea7b8dd3a37825c82f7.webp
[60041eab85e84a5ea6199b8c42a7d60a.webp]: https://img-blog.csdnimg.cn/60041eab85e84a5ea6199b8c42a7d60a.webp
[6a97e0dd84274e8c9c7b23827b2fdb38.webp]: https://img-blog.csdnimg.cn/6a97e0dd84274e8c9c7b23827b2fdb38.webp
[----- _ ESC-50]: https://www.jianshu.com/p/c3912b4a9e51
[ESC-50_1]: https://blog.csdn.net/wangxiaochaun/article/details/106341900