解説記事 / GPTs

soundfile_normalization

音声ファイルの前処理: ノイズ除去と音量正規化を自動化するPythonコード

音声ファイルの前処理: ノイズ除去と音量正規化

このPythonコードは、音声ファイルからノイズを除去し、音量を正規化するためのツールです。音声認識やその他の音声処理タスクの精度を向上させるために、前処理として使用できます。

機能

• ノイズ除去: FFmpegのafftdnフィルターを使用して、音声ファイルからノイズを自動的に除去します。
• 音量正規化: FFmpegの機能を使用して、音声ファイルの音量を自動的に正規化します。
• バッチ処理: フォルダ内の複数の音声ファイルを一度に処理できます。
• 様々な入力形式のサポート: WAV, MP3, MP4, M4A, MKV, WEBM などの一般的な音声および動画形式に対応しています。
• Google Colab対応: Google Colab環境で簡単に実行できます。

ディレクトリ構造

soundfile_normalization/
├── soundfile_normalization.py   # メインのPythonスクリプト
├── input/                      # 処理したい音声データを格納するフォルダ
│   └── (音声データを入れる) 
├── output/                     # 処理後の音声データが格納されるフォルダ (自動生成)
│   └── (処理後の音声データ)
├── done_original/               # 処理が完了した元の音声データが格納されるフォルダ (自動生成)
│   └── (処理後の元データ)
├── README.md                   # このファイル
└── requirements.txt             # 必要なパッケージリスト

使用方法

Google Colab

• Open with Colab

1. 上記のGoogle Colabノートブックへのリンクをクリックします。
2. コードを自分のGoogle Driveにコピーします。
3. ノートブックの指示に従って、必要なライブラリをインストールし、音声ファイルをアップロードします。
4. コードを実行すると、処理された音声ファイルが自動的にダウンロードされます。

ローカル環境

1. FFmpeg をインストールします。

   • インストール方法については、公式ドキュメント を参照してください。
   • インストール後、FFmpeg がシステムの PATH 環境変数に含まれていることを確認してください。

2. リポジトリのクローン

   git clone https://github.com/shoei05/soundfile_normalization.git

3. クローンしたリポジトリのディレクトリに移動します。

   cd soundfile_normalization

4. 仮想環境の作成 (推奨): クローンしたリポジトリのディレクトリに移動し、仮想環境を作成します (Python のバージョンやライブラリの依存関係を分離するために推奨されます)。

   cd replace_text
   python -m venv env_soundfile_normalization

5. 仮想環境の有効化:

   • Windows:

     env_soundfile_normalization \Scripts\activate

   • macOS/Linux:

     source env_soundfile_normalization/bin/activate

6. 必要なライブラリをインストールします:

   pip install -r requirements.txt

7. 処理したい音声ファイルを input フォルダに配置します。

8. ターミナルで python soundfile_normalization.py コマンドを実行します。

9. 処理された音声ファイルは output フォルダに保存されます。

パラメータ

• noise_reduction_db: ノイズ除去の強度をデシベル単位で指定します。デフォルトは10です。
• max_workers: 並列処理に使用するワーカー数を指定します。デフォルトは4です。

注意

• 適切なノイズ除去の強度は、音声データのノイズレベルや種類によって異なります。
• FFmpeg のインストールと設定については、公式ドキュメントを参照してください。

ライセンス

このスクリプトは MIT ライセンスで公開されています。 このプロジェクトは、自由に使用、改変、再配布することができます。もし、コードを使用する場合は、元の作者への謝辞を含めていただければ幸いです。

---

謝辞:

例) このコードは、shoei05 によって作成されました。

---