Wolfram Audio | Ejemplos a probar

Edite y ejecute cualquier pieza de código haciendo clic dentro del código y presionando
+
.
Procesamiento y análisis de audio. Wolfram Audio ofrece procesamiento altamente optimizado y análisis de alto nivel de voz, música y otras señales de audio. La estrecha integración con el aprendizaje automático y las redes neuronales permite soluciones para sistemas automatizados, seguridad, medicina y más.

Importe, procese y exporte audio

Importe un archivo de audio con ruido de fondo de alta frecuencia:
Ejecutar
In[]:=
music=Import["ExampleData/sample.flac"]
Muestre el espectrograma de audio:
Ejecutar
In[]:=
Spectrogram[music]
Elimine el ruido de fondo de alta frecuencia:
Ejecutar
In[]:=
filteredmusic=LowpassFilter[music,
800
Hz
]
Vea el espectrograma del audio filtrado:
Ejecutar
In[]:=
Spectrogram[filteredmusic]
Exporte el resultado en el formato de su elección:
Ejecutar
In[]:=
Export["filteredexample.mp3",filteredmusic]

Visualice señales de audio

Audio de distintos tipos de fuentes:
Ejecutar
In[]:=
sources=ExampleData[{"Audio",#}]&/@{"Cat","Cello","FemaleVoice"}
Las formas de onda de audio muestran la amplitud del audio a lo largo del tiempo:
Ejecutar
In[]:=
AudioPlot[#,PlotLayout->"Averaged"]&/@sources
Los espectrogramas muestran la frecuencia a lo largo del tiempo:
Ejecutar
In[]:=
Spectrogram/@sources
Los periodogramas muestran las frecuencias dominantes:
Ejecutar
In[]:=
Periodogram[#,256]&/@sources

Elimine ruido o agregue efectos

Comience con un clip de audio con ruido:
Ejecutar
In[]:=
apollo=ExampleData[{"Audio","Apollo11SmallStep"}]
Reduzca el ruido del audio:
Ejecutar
In[]:=
filteredapollo=WienerFilter[apollo,30]
Realice un cambio de tono en la primera mitad del audio:
Ejecutar
In[]:=
{beginning,end}=AudioSplit[filteredapollo,4];​​AudioJoinAudioPitchShiftbeginning,
1
octaves
,end

Extraiga características del audio

Comience con un conjunto de datos de dígitos hablados:
Ejecutar
In[]:=
digitspeech=
Input
SpeakerID
Output
Speaker A
1
Speaker A
2
Speaker A
3
Speaker B
1
Speaker B
2
Speaker B
3
Speaker C
1
Speaker C
2
Speaker C
3
;
Defina un extractor de características usando un modelo preentrenado:
Ejecutar
In[]:=
extractor=NetAppend[NetTake[NetModel["Wav2Vec2 Trained on LibriSpeech Data"],"FeatureExtractor"],"Mean"->AggregationLayer[Mean,1]]
Muestre las características extraídas en una representación gráfica en 3D:
Ejecutar
In[]:=
Module{colors,styling},​​colors="Speaker A"->
,"Speaker B"->
,"Speaker C"->
;​​styling=
Function[
]
;​​Legended[​​FeatureSpacePlot3D[Normal[digitspeech[All,styling]],FeatureExtractor->extractor,LabelingFunction->None],​​PointLegend[Values[colors],Keys[colors]]​​]​​

Identifique fuentes de audio

Identify qué contiene una señal de audio:
Ejecutar
In[]:=
AudioIdentify

Comience con audio de fuentes mixtas:
Ejecutar
In[]:=
mixedsources=
;
Identifique la fuente dominante según segmentos de medio segundo:
Ejecutar
In[]:=
segmentIds=AudioBlockMapAudioIdentify
&,mixedsources,{1,.5}//Normal
Una los segmentos en intervalos:
Ejecutar
In[]:=
intervals=GroupBysegmentIds,Last,
Function[
]

Represente los resultados:
Ejecutar
In[]:=
LegendedAudioPlotmixedsources,

,SwatchLegend
