上記質問のプログラムを実行すると以下のメッセージが表示され、音声は再生されるのですが、ノイズ除去が完了できません。
対処方法を教えていただきたいです。
エラーメッセージ
FutureWarning: Pass hop_length=512, win_length=2048 as keyword args. From version 0.10 passing these as positional arguments will result in an error
return librosa.istft(y, hop_length, win_length)
ソースコード
import numpy as np
from scipy.ndimage import maximum_filter1d
def envelope(y, rate, threshold):
"""
Args:
- y: 信号データ
- rate: サンプリング周波数
- threshold: 雑音判断するしきい値
Returns:
- mask: 振幅がしきい値以上か否か
- y_mean: Sound Envelop
"""
y_mean = maximum_filter1d(np.abs(y), mode="constant", size=rate//20)
mask = [mean > threshold for mean in y_mean]
return mask, y_mean
import librosa
n_fft=2048 # STFTカラム間の音声フレーム数
hop_length=512 # STFTカラム間の音声フレーム数
win_length=2048 # ウィンドウサイズ
n_std_thresh=1.5 # 信号とみなされるために、ノイズの平均値よりも大きい標準偏差(各周波数レベルでの平均値のdB)が何個あるかのしきい値
def _stft(y, n_fft, hop_length, win_length):
return librosa.stft(y=y, n_fft=n_fft, hop_length=hop_length, win_length=win_length)
def _amp_to_db(x):
return librosa.core.amplitude_to_db(x, ref=1.0, amin=1e-20, top_db=80.0)
sample_rate= 32000
# 音声ファイルの読み込み
#noise_clip = open(r"C:\Users\1818067\birdvoice.wav")
path=r'C:\Users\Owner\Desktop\elect\birdvoice.wav'
sig, _ = librosa.load(path, sr=sample_rate)
# ノイズデータ取得
mask, noise_clip = envelope(sig, sample_rate, threshold=0.03)
noise_stft = _stft(noise_clip, n_fft, hop_length, win_length)
noise_stft_db = _amp_to_db(np.abs(noise_stft)) # dBに変換する
mean_freq_noise = np.mean(noise_stft_db, axis=1)
std_freq_noise = np.std(noise_stft_db, axis=1)
noise_thresh = mean_freq_noise + std_freq_noise * n_std_thresh
import scipy
n_grad_freq = 2 # マスクで平滑化する周波数チャンネルの数
n_grad_time = 4 # マスクを使って滑らかにする時間チャンネル数
prop_decrease = 1.0 # ノイズをどの程度減らすか
#data = open(r'C:\Users\1818067\birdvoice.wav')
#audio_clip = envelope(data).envelop
sample_rate= 32000
# 音声ファイルの読み込み
#noise_clip = open(r"C:\Users\1818067\birdvoice.wav")
path=r'C:\Users\Owner\Desktop\elect\birdvoice.wav'
sig, _ = librosa.load(path, sr=sample_rate)
# ノイズデータ取得
audio_clip, rate = librosa.load('birdvoice.wav')
# 音源もSTFTで特徴量抽出する
sig_stft = _stft(audio_clip, n_fft, hop_length, win_length)
sig_stft_db = _amp_to_db(np.abs(sig_stft))
# 時間と頻度でマスクの平滑化フィルターを作成
smoothing_filter = np.outer(
np.concatenate(
[
np.linspace(0, 1, n_grad_freq + 1, endpoint=False),
np.linspace(1, 0, n_grad_freq + 2),
]
)[1:-1],
np.concatenate(
[
np.linspace(0, 1, n_grad_time + 1, endpoint=False),
np.linspace(1, 0, n_grad_time + 2),
]
)[1:-1],
)
smoothing_filter = smoothing_filter / np.sum(smoothing_filter)
# 時間と周波数のしきい値の計算
db_thresh = np.repeat(
np.reshape(noise_thresh, [1, len(mean_freq_noise)]),
np.shape(sig_stft_db)[1],
axis=0,
).T
sig_mask = sig_stft_db < db_thresh
sig_mask = scipy.signal.fftconvolve(sig_mask, smoothing_filter, mode="same")
sig_mask = sig_mask * prop_decrease
mask_gain_dB = np.min(_amp_to_db(np.abs(sig_stft)))
def _db_to_amp(x,):
return librosa.core.db_to_amplitude(x, ref=1.0)
sig_stft_db_masked = (
sig_stft_db * (1 - sig_mask)
+ np.ones(np.shape(mask_gain_dB)) * mask_gain_dB * sig_mask
)
def _istft(y, hop_length, win_length):
return librosa.istft(hop_length, win_length)
sig_imag_masked = np.imag(sig_stft) * (1 - sig_mask)
sig_stft_amp = (_db_to_amp(sig_stft_db_masked) * np.sign(sig_stft)) + (1j * sig_imag_masked)
recovered_signal = _istft(sig_stft_amp, hop_length, win_length)
import soundfile as sf
sf.write('clearvoice.wav', recovered_signal, 22050, subtype='PCM_16')
from playsound import playsound
playsound('clearvoice.wav')
return librosa.istft(y, hop_length=hop_length, win_length=win_length)
に変更する様に求めています。