neverlib 0.2.8__py3-none-any.whl → 0.3.0__py3-none-any.whl

neverlib/data_analyze/__init__.py

@@ -4,7 +4,7 @@
 from typing import TYPE_CHECKING, Any
 
 if TYPE_CHECKING:
-    # 仅在类型检查时导入，提供IDE补全支持
+    # 仅在类型检查时导入, 提供IDE补全支持
     from .dataset_analyzer import AudioFileInfo, DatasetAnalyzer, analyze_audio_dataset
     from .quality_metrics import QualityAnalyzer, audio_health_check, comprehensive_quality_assessment
     from .rms_distrubution import get_rms_vad
@@ -66,4 +66,4 @@ if TYPE_CHECKING:
         'AudioVisualizer',
         'create_analysis_dashboard',
         'plot_dataset_overview',
-    ]
+    ]

neverlib/data_analyze/dataset_analyzer.py

@@ -130,7 +130,7 @@ class DatasetAnalyzer:
             has_clipping = max_amplitude >= 0.99
             is_silent = mean_amplitude < 1e-6
 
-            # SNR估计（基于信号强度和噪声层）
+            # SNR估计(基于信号强度和噪声层)
             snr_estimate = None
             try:
                 if not is_silent:
@@ -548,7 +548,7 @@ def analyze_audio_dataset(directory: str, output_dir: str = None,
 
     Args:
         directory: 音频文件目录
-        output_dir: 输出目录（可选）
+        output_dir: 输出目录(可选)
         extensions: 支持的文件扩展名
         sr: 目标采样率
         n_jobs: 并行作业数

neverlib/data_analyze/quality_metrics.py

@@ -32,12 +32,12 @@ class QualityAnalyzer:
 
         Args:
             signal_audio: 含有信号和噪声的音频
-            noise_audio: 纯噪声音频（可选）
-            signal_start: 信号开始位置（当噪声未单独提供时使用）
-            signal_end: 信号结束位置（当噪声未单独提供时使用）
+            noise_audio: 纯噪声音频(可选)
+            signal_start: 信号开始位置(当噪声未单独提供时使用)
+            signal_end: 信号结束位置(当噪声未单独提供时使用)
 
         Returns:
-            SNR值（dB）
+            SNR值(dB)
         """
         if noise_audio is not None:
             # 如果提供了噪声音频
@@ -72,7 +72,7 @@ class QualityAnalyzer:
 
         Args:
             audio: 音频信号
-            fundamental_freq: 基频（Hz）, 如果不提供则自动检测
+            fundamental_freq: 基频(Hz), 如果不提供则自动检测
             num_harmonics: 考虑的谐波数量
 
         Returns:
@@ -127,7 +127,7 @@ class QualityAnalyzer:
             percentile_high: 高百分位数
 
         Returns:
-            动态范围（dB）
+            动态范围(dB)
         """
         amplitude = np.abs(audio)
         amplitude = amplitude[amplitude > 0]  # 避免log(0)
@@ -148,7 +148,7 @@ class QualityAnalyzer:
 
         Args:
             audio: 测试音频信号
-            reference_audio: 参考音频信号（可选）
+            reference_audio: 参考音频信号(可选)
 
         Returns:
             (频率数组, 幅度响应数组)
@@ -187,11 +187,11 @@ class QualityAnalyzer:
 
     def loudness_range(self, audio: np.ndarray, gate_threshold: float = -70) -> dict:
         """
-        计算响度范围（基于EBU R128标准的简化版本）
+        计算响度范围(基于EBU R128标准的简化版本)
 
         Args:
             audio: 音频信号
-            gate_threshold: 门限阈值（dB）
+            gate_threshold: 门限阈值(dB)
 
         Returns:
             响度统计信息字典
@@ -203,7 +203,7 @@ class QualityAnalyzer:
         blocks = []
         for i in range(0, len(audio) - block_size, hop_size):
             block = audio[i:i + block_size]
-            # 简化的响度计算（使用RMS近似）
+            # 简化的响度计算(使用RMS近似)
             rms = np.sqrt(np.mean(block ** 2))
             if rms > 0:
                 loudness = 20 * np.log10(rms)
@@ -235,7 +235,7 @@ class QualityAnalyzer:
             processed: 处理后音频
 
         Returns:
-            谱失真度（dB）
+            谱失真度(dB)
         """
         # 确保两个信号长度相同
         min_len = min(len(original), len(processed))
@@ -265,7 +265,7 @@ def comprehensive_quality_assessment(audio: np.ndarray, sr: int = 22050,
     Args:
         audio: 待评估音频
         sr: 采样率
-        reference: 参考音频（可选）
+        reference: 参考音频(可选)
 
     Returns:
         质量评估结果字典

neverlib/data_analyze/statistics.py

@@ -32,7 +32,7 @@ class AudioStatistics:
 
         Args:
             file_path: 音频文件路径
-            audio_data: 音频数据（如果不提供则从文件加载）
+            audio_data: 音频数据(如果不提供则从文件加载)
         """
         try:
             import librosa

neverlib/data_analyze/visualization.py

@@ -248,7 +248,7 @@ class AudioVisualizer:
                 axes[i].plot(time_axis, feature_values)
                 axes[i].set_ylabel(feature_name)
             else:
-                # 二维特征（如MFCC）
+                # 二维特征(如MFCC)
                 img = axes[i].imshow(feature_values,
                                      aspect='auto',
                                      origin='lower')

neverlib/filter/README.md

@@ -1,6 +1,6 @@
 # neverlib.filter
 
-本项目包含音频滤波器的实现和自动EQ匹配算法, 主要基于 scipy.signal 进行封装和扩展, 提供便捷的音频滤波器设计、处理功能以及智能EQ补偿解决方案。
+本项目包含音频滤波器的实现和自动EQ匹配算法, 主要基于 scipy.signal 进行封装和扩展, 提供便捷的音频滤波器设计、处理功能以及智能EQ补偿解决方案. 
 
 ## 主要功能
 
@@ -18,7 +18,7 @@
 
 ### 核心文件说明
 - `filters.py`: 提供 EQFilter 类, 包含多种滤波器的设计和实现
-- `biquad.py`: 二阶节（Biquad）滤波器的实现, 支持逐点处理
+- `biquad.py`: 二阶节(Biquad)滤波器的实现, 支持逐点处理
 - `common.py`: 基础滤波器函数, 提供 numpy/scipy 和 torch 版本
 
 ### 自动EQ匹配算法 (AudoEQ/)
@@ -64,7 +64,7 @@ output = [biquad.process(x) for x in input_signal]
 对于需要自动EQ匹配的场景, 可以直接运行AudoEQ中的脚本：
 
 ```bash
-# 快速频谱匹配（推荐入门）
+# 快速频谱匹配(推荐入门)
 cd AudoEQ
 python auto_eq_spectral_direct.py
 

neverlib/filter/__init__.py

@@ -4,7 +4,7 @@
 from typing import TYPE_CHECKING, Any
 
 if TYPE_CHECKING:
-    # 仅在类型检查时导入，提供IDE补全支持
+    # 仅在类型检查时导入, 提供IDE补全支持
     from .biquad import BiquadFilter
     from .common import HPFilter, HPFilter_torch, LPFilter
     from .core import EQFilter, EQ_test, eq_process, eq_process_test
@@ -37,4 +37,4 @@ if TYPE_CHECKING:
         'EQ_test',
         'eq_process',
         'eq_process_test',
-    ]
+    ]

neverlib/filter/auto_eq/README.md

@@ -1,6 +1,6 @@
 # Audio EQ Matching Scripts Collection
 
-本文件夹包含多种不同算法的音频EQ匹配脚本, 可以自动分析两个音频文件的频谱差异并生成EQ补偿参数。
+本文件夹包含多种不同算法的音频EQ匹配脚本, 可以自动分析两个音频文件的频谱差异并生成EQ补偿参数. 
 
 ## 📁 脚本概览
 
@@ -162,4 +162,4 @@ SAMPLE_RATE = 16000      # 采样率
 
 ## 📄 许可证
 
-本项目仅供学习和研究使用。
+本项目仅供学习和研究使用. 

neverlib/filter/auto_eq/__init__.py

@@ -4,7 +4,7 @@
 from typing import TYPE_CHECKING, Any
 
 if TYPE_CHECKING:
-    # 仅在类型检查时导入，提供IDE补全支持
+    # 仅在类型检查时导入, 提供IDE补全支持
     from .de_eq import get_filter_function, match_frequency_response, plot_spectra_comparison
     from .freq_eq import get_freq_eq
     from .ga_eq_advanced import EQConfig, EQOptimizer, load_config_from_yaml, main
@@ -52,4 +52,4 @@ if TYPE_CHECKING:
         'get_single_filter_freq_response_db_from_coeffs',
         'individual_creator',
         'main_ga',
-    ]
+    ]

neverlib/filter/auto_eq/de_eq.py

@@ -355,4 +355,4 @@ if __name__ == '__main__':
             print(f"  频段 {i + 1}: 类型={params['filter_type']}, Fc={params['fc']:.1f}, Q={params['Q']:.2f}" +
                   (f", 增益={params['dBgain']:.2f}" if params['dBgain'] is not None else ""))
     else:
-        print("未生成EQ参数或处理中发生错误。")
+        print("未生成EQ参数或处理中发生错误. ")

neverlib/filter/auto_eq/ga_eq_advanced.py

@@ -119,7 +119,7 @@ class EQOptimizer:
 
     def _setup_deap(self):
         """设置DEAP遗传算法框架"""
-        # 清除之前的注册（如果有的话）
+        # 清除之前的注册(如果有的话)
         if hasattr(creator, "FitnessMin"):
             del creator.FitnessMin
         if hasattr(creator, "Individual"):
@@ -177,7 +177,7 @@ class EQOptimizer:
         return individual,
 
     def get_magnitude_spectrum_db(self, audio: np.ndarray, sr: int, n_fft: int) -> Tuple[np.ndarray, np.ndarray]:
-        """获取音频的幅度谱（dB）"""
+        """获取音频的幅度谱(dB)"""
         f_spec, t_spec, Sxx_spec = signal.spectrogram(
             audio, fs=sr, nperseg=n_fft, noverlap=n_fft // 4,
             scaling='spectrum', mode='magnitude'

neverlib/filter/auto_eq/ga_eq_basic.py

@@ -204,7 +204,7 @@ def evaluate_individual(individual_chromosome):
 
     # 调整复杂度惩罚项的计算方式, 使其与误差的量级更相关
     # 例如, 如果误差本身就很大, 那么滤波器的数量惩罚可以相对小一些
-    # 或者, 如果目标EQ形状本身就很复杂（变化剧烈）, 那么多用几个滤波器也是合理的
+    # 或者, 如果目标EQ形状本身就很复杂(变化剧烈), 那么多用几个滤波器也是合理的
     # penalty_scale = 1 + np.mean(np.abs(target_eq_shape_db_global)) # 基于目标EQ形状的平均绝对值
     penalty_scale = np.sum(target_eq_shape_db_global**2) / len(target_eq_shape_db_global) if len(target_eq_shape_db_global) > 0 else 1.0
     if penalty_scale < 1e-3:

neverlib/filter/biquad.py

@@ -28,7 +28,7 @@ class BiquadFilter():
 if __name__ == "__main__":
     # 设计高通滤波器系数
     fs = 16000  # 采样率
-    fc = 70  # 截止频率（Hz）
+    fc = 70  # 截止频率(Hz)
     # 输入信号
     input_signal = [0.5, 0.8, 1.0, 0.7, -0.2, -0.6, -0.8, -0.3, -0.3, -0.3, -0.3]
 

neverlib/filter/core.py

@@ -322,9 +322,8 @@ def EQ_test():
     from scipy import signal
 
     fs = 16000
-
-    # b, a = LowshelfFilter(1500, 15, Q=0.5)
-    b, a = PeakingFilter(1500, 5, Q=0.5)
+    eq = EQFilter(fs)
+    b, a = eq.LowshelfFilter(4000, 6, Q=0.7)
     print(b)
     print(a)
 
@@ -335,5 +334,9 @@ def EQ_test():
     plt.ylabel('Amplitude [dB]')
     plt.grid(which='both', axis='both')  # 显示网格
     # 画红色的垂直线, 标记截止频率
-    plt.xscale('log')  # x轴对数化
-    plt.show()
+    # plt.xscale('log')  # x轴对数化
+    plt.savefig('./lowshelf_freq_response.png')
+
+
+if __name__ == "__main__":
+    EQ_test()

neverlib/metrics/README.md

@@ -0,0 +1,35 @@
+https://github.com/ftshijt/speech_evaluation?tab=readme-ov-file
+https://github.com/Amir-Ivry/MAPSS-measures
+https://github.com/espnet/espnet/blob/f517b63fe5defb865e2067b11c2dfc516150868d/utils/eval-source-separation.py#L361
+
+
+
+
+
+F0 Correlation
+
+F0 Root Mean Square Error
+sdr
+isr
+sir
+sar
+perm
+
+
+Convolutional scale-invariant signal-to-distortion ratio (CI-SDR) [x]
+Scale-invariant signal-to-noise ratio (SI-SNR) [x]
+Speech BERT Score
+Discrete Speech BLEU Score [x]
+Discrete Speech Token Edit Distance
+
+
+
+
+STOI
+ESTOI
+PESQ
+
+
+音频特征：
+https://github.com/libAudioFlux/audioFlux
+https://github.com/csteinmetz1/pyloudnorm

neverlib/metrics/__init__.py

@@ -4,7 +4,7 @@
 from typing import TYPE_CHECKING, Any
 
 if TYPE_CHECKING:
-    # 仅在类型检查时导入，提供IDE补全支持
+    # 仅在类型检查时导入, 提供IDE补全支持
     from .dnsmos import ComputeScore
     from .lpc_lsp import framing, lpc_lsp_distance, lpc_to_lsp
     from .snr import get_snr, get_snr_from_noisy, psnr, seg_snr, si_sdr
@@ -56,4 +56,4 @@ if TYPE_CHECKING:
         'mean_rms_amplitude',
         'peak_amplitude',
         'rms_amplitude',
-    ]
+    ]

neverlib/metrics/dnsmos.py

@@ -2,8 +2,8 @@
 Author: 凌逆战 | Never
 Date: 2025-08-06 10:00:00
 Description: 
-要计算个性化 MOS 分数（干扰说话者受到惩罚），请提供“-p”参数，例如：python dnsmos.py -t ./SampleClips -o sample.csv -p
-要计算常规 MOS 分数，请省略“-p”参数。例如：python dnsmos.py -t ./SampleClips -o sample.csv
+要计算个性化 MOS 分数(干扰说话者受到惩罚), 请提供“-p”参数, 例如：python dnsmos.py -t ./SampleClips -o sample.csv -p
+要计算常规 MOS 分数, 请省略“-p”参数. 例如：python dnsmos.py -t ./SampleClips -o sample.csv
 '''
 import librosa
 import numpy as np

neverlib/metrics/lpc_lsp.py

@@ -7,7 +7,7 @@
   主要组件
 
   预处理函数:
-  - pre_emphasis(): 预加重滤波，增强高频成分
+  - pre_emphasis(): 预加重滤波, 增强高频成分
   - framing(): 分帧处理并应用汉明窗
 
   LPC分析:
@@ -16,13 +16,13 @@
 
   距离计算:
   - lsp_mse(): 计算LSP向量间的均方误差
-  - lpc_lsp_distance(): 主函数，返回平均失真度和逐帧失真列表
+  - lpc_lsp_distance(): 主函数, 返回平均失真度和逐帧失真列表
 
   技术特点
 
-  - 使用soundfile读取音频（支持多种格式）
-  - librosa进行LPC分析（替代了自定义算法）
-  - 基于LSP的频域失真测量，对量化误差敏感度更低
+  - 使用soundfile读取音频(支持多种格式)
+  - librosa进行LPC分析(替代了自定义算法)
+  - 基于LSP的频域失真测量, 对量化误差敏感度更低
   - 逐帧分析捕捉语音时变特性
 
   应用场景
@@ -52,7 +52,7 @@ def framing(signal, frame_size, frame_stride, fs):
 
 def lpc_to_lsp(a, num_points=512):
     """
-    LPC -> LSP 转换（简易近似版，零点搜索法）
+    LPC -> LSP 转换(简易近似版, 零点搜索法)
     """
     p = len(a) - 1
     a = np.array(a)
@@ -91,7 +91,7 @@ def lpc_lsp_distance(ref_wav, test_wav, frame_size=0.025, frame_stride=0.01, ord
     ref_frames = framing(ref_sig, frame_size, frame_stride, fs_r)
     test_frames = framing(test_sig, frame_size, frame_stride, fs_t)
 
-    # 对齐帧数（简单切到最短）
+    # 对齐帧数(简单切到最短)
     num_frames = min(len(ref_frames), len(test_frames))
     ref_frames = ref_frames[:num_frames]
     test_frames = test_frames[:num_frames]
@@ -102,7 +102,7 @@ def lpc_lsp_distance(ref_wav, test_wav, frame_size=0.025, frame_stride=0.01, ord
         a_test = librosa.lpc(test_frames[i], order=order)
         lsp_ref = lpc_to_lsp(a_ref)
         lsp_test = lpc_to_lsp(a_test)
-        # 对齐长度（简单裁切）
+        # 对齐长度(简单裁切)
         min_len = min(len(lsp_ref), len(lsp_test))
         # 计算两个 LSP 向量的均方差
         dist = np.mean((lsp_ref[:min_len] - lsp_test[:min_len]) ** 2)

neverlib/metrics/snr.py

@@ -129,15 +129,15 @@ def psnr(clean, noisy, max_val=None):
 
 def si_sdr(reference, estimate, epsilon=1e-8):
     """
-    计算尺度不变信噪比 (Scale-Invariant Signal-to-Distortion Ratio, SI-SDR)。
+    计算尺度不变信噪比 (Scale-Invariant Signal-to-Distortion Ratio, SI-SDR). 
 
     Args:
-        reference (np.ndarray): 原始的、干净的参考信号 (一维数组)。
-        estimate (np.ndarray): 模型估计或处理后的信号 (一维数组)。
-        epsilon (float): 一个非常小的数值, 用于防止分母为零, 保证数值稳定性。
+        reference (np.ndarray): 原始的、干净的参考信号 (一维数组). 
+        estimate (np.ndarray): 模型估计或处理后的信号 (一维数组). 
+        epsilon (float): 一个非常小的数值, 用于防止分母为零, 保证数值稳定性. 
 
     Returns:
-        float: SI-SDR 值, 单位为分贝 (dB)。
+        float: SI-SDR 值, 单位为分贝 (dB). 
     """
     assert reference.shape == estimate.shape, "reference和estimate的维度不一样"
 

neverlib/metrics/spec.py

@@ -9,7 +9,7 @@ Description: 音频信号频域客观度量指标计算工具
 
 2. LSD (Log-Spectral Distance) - 对数谱距离
    - 在对数功率谱域计算信号距离
-   - 更符合人耳听觉特性，常用于语音质量评估
+   - 更符合人耳听觉特性, 常用于语音质量评估
 
 3. MCD (Mel-Cepstral Distance) - 梅尔倒谱距离
    - 基于MFCC特征的音频相似性度量
@@ -24,16 +24,16 @@ from neverlib.utils import EPS
 
 def sd(ref_wav, test_wav, n_fft=2048, hop_length=512, win_length=None):
     """
-    计算两个音频信号之间的频谱距离 (Spectral Distance)。
-    该指标衡量两个信号在频域上的差异程度。
+    计算两个音频信号之间的频谱距离 (Spectral Distance). 
+    该指标衡量两个信号在频域上的差异程度. 
     Args:
         ref_wav (np.ndarray): 参考音频信号 (一维数组)
         test_wav (np.ndarray): 测试音频信号 (一维数组)
-        n_fft (int): FFT点数，决定频率分辨率，默认为2048
-        hop_length (int): 帧移，决定时间分辨率，默认为512
-        win_length (int, optional): 窗长，如果为None则默认为n_fft
+        n_fft (int): FFT点数, 决定频率分辨率, 默认为2048
+        hop_length (int): 帧移, 决定时间分辨率, 默认为512
+        win_length (int, optional): 窗长, 如果为None则默认为n_fft
     Returns:
-        float: 频谱距离值，值越小表示两个信号越相似
+        float: 频谱距离值, 值越小表示两个信号越相似
     """
     assert len(ref_wav) == len(test_wav), "输入信号长度必须相同"
 
@@ -58,21 +58,21 @@ def sd(ref_wav, test_wav, n_fft=2048, hop_length=512, win_length=None):
 
 def lsd(ref_wav, test_wav, n_fft=2048, hop_length=512, win_length=None):
     """
-    计算两个一维音频信号之间的对数谱距离 (Log-Spectral Distance, LSD)。
-    该实现遵循标准的LSD定义: 整体均方根误差。
+    计算两个一维音频信号之间的对数谱距离 (Log-Spectral Distance, LSD). 
+    该实现遵循标准的LSD定义: 整体均方根误差. 
 
     Args:
-        ref_wav (np.ndarray): 原始的、干净的参考信号 (一维数组)。
-        test_wav (np.ndarray): 模型估计或处理后的信号 (一维数组)。
-        n_fft (int): FFT点数, 决定了频率分辨率。
-        hop_length (int): 帧移, 决定了时间分辨率。
-        win_length (int, optional): 窗长。如果为None, 则默认为n_fft。
-        epsilon (float): 一个非常小的数值, 用于防止对零取对数, 保证数值稳定性。
+        ref_wav (np.ndarray): 原始的、干净的参考信号 (一维数组). 
+        test_wav (np.ndarray): 模型估计或处理后的信号 (一维数组). 
+        n_fft (int): FFT点数, 决定了频率分辨率. 
+        hop_length (int): 帧移, 决定了时间分辨率. 
+        win_length (int, optional): 窗长. 如果为None, 则默认为n_fft. 
+        epsilon (float): 一个非常小的数值, 用于防止对零取对数, 保证数值稳定性. 
 
     Returns:
-        float: 对数谱距离值, 单位为分贝 (dB)。
+        float: 对数谱距离值, 单位为分贝 (dB). 
     """
-    assert ref_wav.ndim == 1 and test_wav.ndim == 1, "输入信号必须是一维数组。"
+    assert ref_wav.ndim == 1 and test_wav.ndim == 1, "输入信号必须是一维数组. "
 
     if win_length is None:
         win_length = n_fft
@@ -100,17 +100,17 @@ def lsd(ref_wav, test_wav, n_fft=2048, hop_length=512, win_length=None):
 
 def mcd(ref_wav, test_wav, sr=16000, n_mfcc=13):
     """
-    计算两个音频信号之间的梅尔倒谱距离 (Mel-Cepstral Distance, MCD)。
-    该指标常用于语音合成质量评估，值越小表示两个信号越相似。
+    计算两个音频信号之间的梅尔倒谱距离 (Mel-Cepstral Distance, MCD). 
+    该指标常用于语音合成质量评估, 值越小表示两个信号越相似. 
 
     Args:
         ref_wav (np.ndarray): 参考音频信号 (一维数组)
         test_wav (np.ndarray): 测试音频信号 (一维数组)
-        sr (int): 采样率，默认为16000Hz
-        n_mfcc (int): MFCC系数个数，默认为13
+        sr (int): 采样率, 默认为16000Hz
+        n_mfcc (int): MFCC系数个数, 默认为13
 
     Returns:
-        float: 梅尔倒谱距离值，值越小表示两个信号越相似
+        float: 梅尔倒谱距离值, 值越小表示两个信号越相似
 
     """
     assert len(ref_wav) == len(test_wav), "输入信号长度必须相同"
@@ -119,7 +119,7 @@ def mcd(ref_wav, test_wav, sr=16000, n_mfcc=13):
     ref_mfcc = librosa.feature.mfcc(y=ref_wav, sr=sr, n_mfcc=n_mfcc)
     test_mfcc = librosa.feature.mfcc(y=test_wav, sr=sr, n_mfcc=n_mfcc)
 
-    # 计算MCD (跳过0阶系数，因为0阶主要表示能量)
+    # 计算MCD (跳过0阶系数, 因为0阶主要表示能量)
     diff = ref_mfcc[1:] - test_mfcc[1:]
     mcd_value = (10.0 / np.log(10)) * np.sqrt(
         2 * np.mean(np.sum(diff**2, axis=0)))

neverlib/metrics/test_pesq.py

@@ -3,7 +3,7 @@ Author: 凌逆战 | Never
 Date: 2025-08-05 23:37:31
 Description: 
 
-PESQ 包含 3 种类型的值：NB PESQ MOS、NB MOS LQO、WB MOS LQO。此包仅返回NB PESQ MOS代表 的Raw MOS分数narrowband handset listening。
+PESQ 包含 3 种类型的值：NB PESQ MOS、NB MOS LQO、WB MOS LQO. 此包仅返回NB PESQ MOS代表 的Raw MOS分数narrowband handset listening. 
 '''
 import pesq
 import pypesq
@@ -21,11 +21,11 @@ print(pypesq.pesq(clean, enhance, fs=fs))  # 3.817176103591919
 
 
 def pesq2mos(pesq):
-    """ 将PESQ值[-0.5, 4.5]映射到MOS-LQO得分[1, 4.5]上，映射函数来源于：P.862.1 """
+    """ 将PESQ值[-0.5, 4.5]映射到MOS-LQO得分[1, 4.5]上, 映射函数来源于：P.862.1 """
     return 0.999 + (4.999 - 0.999) / (1 + np.exp(-1.4945 * pesq + 4.6607))
 
 
 def mos2pesq(mos):
-    """ 将MOS-LQO得分[1, 4.5]映射到PESQ值[-0.5, 4.5]上，映射函数来源于：P.862.1"""
+    """ 将MOS-LQO得分[1, 4.5]映射到PESQ值[-0.5, 4.5]上, 映射函数来源于：P.862.1"""
     inlog = (4.999 - mos) / (mos - 0.999)
     return (4.6607 - np.log(inlog)) / 1.4945

neverlib/signal_gen/babble_noise_generate.py

@@ -0,0 +1,113 @@
+# -*- coding:utf-8 -*-
+# Author:凌逆战 | Never
+# Date: 2024/6/14
+"""
+babble噪声生成
+"""
+import os
+import torch
+import random
+import numpy as np
+import soundfile as sf
+import pickle
+
+from neverlib.utils import get_path_list
+from vad import EnergyVAD
+from utils.audio_aug import volume_aug, add_reverb
+from joblib import Parallel, delayed
+from multiprocessing import Pool
+
+vad = EnergyVAD(
+    sample_rate=16000,
+    frame_length=25,  # in milliseconds
+    frame_shift=20,  # in milliseconds
+    energy_threshold=0.05,  # you may need to adjust this value
+    pre_emphasis=0.95,
+)  # default values are used here
+
+
+def get_one_babble(speech_path_list, rir_path_list):
+    sub_len = 0
+    sub_list = []
+    while sub_len < sentence_len:
+        speech_path = random.choice(speech_path_list)
+        rir_path = random.choice(rir_path_list)
+        # 加rir
+        with open(rir_path, 'rb') as f:
+            # arrayCoor (2,3) (num_mic, 3(x,y,z))
+            # sPos (4,3) (num_source, 3(x,y,z))
+            [arrayCoor, sPos, sAziPth, rir, L, rt, c, mtype, n, fs] = pickle.load(f)
+            rir = np.array(rir)  # (souece, mic, T) (4, 3, 2668)
+            rir_idx = np.random.randint(0, rir.shape[0])  # 随机选择一个source
+            sPos = sPos[rir_idx]  # (3,) (x,y,z)
+            DistMic2Source_1 = np.sqrt(np.sum((arrayCoor[0] - sPos) ** 2))
+            DistMic2Source_2 = np.sqrt(np.sum((arrayCoor[1] - sPos) ** 2))
+            if DistMic2Source_1 < 2 or DistMic2Source_2 < 2:
+                continue
+            rir = rir[rir_idx]
+
+        wav, _ = sf.read(speech_path, dtype='float32', always_2d=True)
+        assert wav.shape[-1] == 1, f"音频应该为单通道"
+        if len(wav) > sentence_len:
+            idx = random.randint(0, len(wav) - sentence_len)
+            wav = wav[idx:idx + sentence_len]
+
+        wav = wav / np.abs(wav).max()  # 归一化
+        wav = vad.apply_vad(wav.T).T
+
+        wav = add_reverb(wav, rir, add_rir_ratio=1)  # 双麦wav
+        # 音量增强
+        rms = np.sqrt(np.mean(wav ** 2))
+        wav *= random.uniform(0.5, 1.0) / rms
+
+        sub_len += len(wav)
+        sub_list.append(wav)
+
+    sub_babble = np.concatenate(sub_list, axis=0)
+    if sub_len >= sentence_len:
+        sub_babble = sub_babble[:sentence_len]
+    return sub_babble
+
+
+def babble_noise_generate(i, speech_path_list, rir_path_list):
+    source_num = random.randint(15, 25)
+    babble_noise = np.zeros((sentence_len, 2))
+    for _ in range(source_num):
+        sub_babble = get_one_babble(speech_path_list, rir_path_list)
+        babble_noise += sub_babble
+
+    babble_path = os.path.join(target_dir, f"babble_noise_{i}.wav")
+    print(babble_path)
+    babble_noise = babble_noise / np.max(np.abs(babble_noise)) * 0.5
+    sf.write(babble_path, babble_noise, sr)
+
+
+if __name__ == "__main__":
+    speech_dir = "/data/never/kws_data/BigDataset/speech"
+    rir_dir = "/data/never/RIR/2mic_Line_r50mm_fs16k_4source_t60mix08_maxdist8m_2w"
+    target_dir = "/data/never/SE_dataset/babble_noise10"
+    # if os.path.exists(target_dir):
+    #     os.system(f"rm -rf {target_dir}")
+    #     os.makedirs(target_dir, exist_ok=True)
+    # else:
+    #     os.makedirs(target_dir, exist_ok=True)
+    speech_path_list = get_path_list(speech_dir, "*.wav")
+    rir_path_list = get_path_list(rir_dir, "*.rir")
+
+    sentence_num = 20000
+    sr = 16000
+    volume_range = [0.5, 1.0]
+    sentence_len = sr * 10
+    # for i in range(10):
+    #     babble_noise_generate(i, speech_path_list, rir_path_list)
+
+    # 多核并行处理
+    # Parallel(n_jobs=-1)(delayed(babble_noise_generate)(i, speech_path_list, rir_path_list) for i in range(sentence_num))
+
+    pool = Pool(32)  # 创建进程池, 一定要放在 事件函数之后, 不然会保错
+
+    for i in range(sentence_num):
+        r = pool.apply_async(func=babble_noise_generate, args=(i, speech_path_list, rir_path_list,))
+
+    pool.close()  # 关闭进程池
+    pool.join()  # 回收进程池