SoXでノイズ入りの音声データを作成

機械学習で音声データのサンプル数がが少なかったので、ノイズデータを入れて音声データを量産しました。
その際の手順を紹介します。

基本的に扱う音声ファイルはwavファイル前提で話を進めていきますので、ご容赦を...

SoX（Sound eXchange)

これを使うと色々な音声処理できます。
今回はこの中の機能の一部を使ってノイズ入りの音声データを量産してみます。

まずはインストールする。

brew install sox --with-lame

音声データにノイズを混ぜる

早速ですが、ノイズを混ぜてみましょう。
ノイズ用データをフリー素材などから拾ってきましょう。「フリー素材　音声」で調べると生活音などのノイズにできそうなデータが出てくるかと思います。

sox -m sound.wav -v 0.1 noise.wav noise_mix.wav trim 0 3

上記コマンドでsound.wavとnoise.wavを混ぜて、noise_mix.wavを作成できる。

-m は ２つの音声ファイルを混ぜることを意味します。
-v はノイズ（2つめの音声データ）の音の大きさの調整、1が元の音量。
trim はトリミング、今回だと0秒目から3秒目までをトリミングしている。

pythonでshellを叩いて量産

実際量産するとなるとfor文など使い実行することになると思います。
pythonではsubprocessモジュールを使うとコマンドを実行できるので、この中でfor文を回してあげると良さそうかなと思いコードを書きました。
ディレクトリ構成などによってコードが変わると思うので、あくまで一例ですが、ざっくり以下のような感じかと。

sox.py

import subprocess

for sound_idx in range(1,11):
    for volume in range(1,11):
        for noise_idx in range(1,11):
            s_idx = str(sound_idx)
            noise_volume = str(float(volume) / 10)
            v = str(volume)
            n = str(noise_idx)
            cmd = f'sox -m sound_{s_idx}.wav -v{noise_volume} noise_{n}.wav {s_idx}_{v}_{n}.wav trim 0 3'
            subprocess.check_output(cmd, shell=True)

もうちょっと綺麗に書けるはずなので、参考程度に...

注意

混ぜるデータ同士、サンプルレート数等が異なるとエラーが発生するので、今回は書きませんがこの辺もSoXなど使って調整の必要が出てくる可能性があるかと思います。

参考: http://webdatareport.hatenablog.com/entry/2016/11/06/161304