For GEN (高校生への課題作成補助)

ディレクトリ構成

GEN/
　┣ test.mp3
　┣ test.wav
　┣ analysis_1.py
　┣ requirements.txt

環境構築

他のプログラムに影響が出ないように，仮想環境を作ることを進めます．
好きなディレクトリで下記コマンドによりpython3.6の仮想環境を構築．

$ virtualenv -p python3.6 GEN

これで，GENという仮想環境が作られました．
仮想環境GENの中で作業するために，アクティベートという処理をします．

$ source GEN/bin/activate

これで，GENの仮想環境での作業が可能となります．
activateされているときにインストールとかしたものはGENがactivate中のみ有効になります．
この環境から抜けたいときは

$ source deactivate

もしくは

$ conda deactivate

で抜けられます．
ここまできたら，プログラムを動かすのに必要なライブラリをインストールします．
./requirements.txtに必要なライブラリをまとめてあるので，以下コマンドで一括インストールしちゃいましょう．

$ pip install -r requirements.txt

これで環境構築はおしまいです．

音声ファイルの扱い

基本的なことです．wavベースで話を進めていくので，mp3しか手に入らない場合は，以下のコマンドで変換しましょう．

WAVからMP3へ変換

ffmpeg -i "test.wav" -vn -ac 2 -ar 44100 -ab 256k -acodec libmp3lame -f mp3 "test.mp3"

MP3からWAVへ変換

$ ffmpeg -i "test.mp3" -vn -ac 2 -ar 44100 -acodec pcm_s16le -f wav "test.wav"

プログラム：analysis_1.py

今回は，こちらのサイトから「やあ！」という女の子の声をお借りし，'test.wav'として保存しています．

###################### ライブラリのインポート #######################
# sondfileというライブラリをsfと定義してインポートしてます
import soundfile as sf
# pythonでグラフ表示とかするためのライブラリをpltと定義してインポートしてます
from matplotlib import pyplot as plt
# 数字に強いライブラリnumpyをnpと定義してインポートてます
import numpy as np
###############################################################

########################## 関数定義 ############################
# wavファイルから波形とサンプルレートと出力（return）する関数
def wavload(path):
    data, samplerate = sf.read(path)
    return data, samplerate
###############################################################


########################## 処理開始 #############################
if __name__ == '__main__':

    ##### 波形を表示 #####
    #縦軸：上で定義した関数wavloadを使ってディレクトリ内の'test.wav'を読み込む
    voice, samplerate = wavload('./test.wav')

    #横軸：tは時間方向での離散値です．voiceの長さをサンプルレートで切っているので，サンプル数分の配列になってます．
    t = np.arange(0, len(voice))/samplerate

    #データプロット．今回はステレオ（2チャンネル合成）で出力させます．
    plt.plot(t, voice)
    plt.show()
    plt.close()
    #####################

    ##### 周波数成分を表示（フーリエ変換） #####
    #縦軸：voiceを高速フーリエ変換します（時間領域から周波数領域に変換）
    fft_voice = np.abs(np.fft.fft(voice))

    #横軸：周波数の取得 #np.fft.fftfreq(データ点数, サンプリング周期)
    freqList = np.fft.fftfreq(voice.shape[0], d=1.0/samplerate)

    #データプロット
    plt.plot(freqList, fft_voice)
    plt.xlim(0, 8000) #0～8000Hzまで表示
    plt.show()
    #####################################

################################################################

処理の詳細は，上のコメントアウトを読めばわかると思います．
実行は以下のコマンドで行います．

$ python analysis_1.py

出力結果

図1：音声の波形（ステレオ）

図2：フーリエ変換