mirror of
https://github.com/storytold/storyteller-ml.git
synced 2026-10-26 08:48:03 +00:00
Delete trainset_preprocess_pipeline_print.py
This commit is contained in:
Justin John
@@ -1,139 +0,0 @@
|
|||||||
import sys, os, multiprocessing
|
|
||||||
from scipy import signal
|
|
||||||
|
|
||||||
now_dir = os.getcwd()
|
|
||||||
sys.path.append(now_dir)
|
|
||||||
|
|
||||||
inp_root = sys.argv[1]
|
|
||||||
sr = int(sys.argv[2])
|
|
||||||
n_p = int(sys.argv[3])
|
|
||||||
exp_dir = sys.argv[4]
|
|
||||||
noparallel = sys.argv[5] == "True"
|
|
||||||
import numpy as np, os, traceback
|
|
||||||
from slicer2 import Slicer
|
|
||||||
import librosa, traceback
|
|
||||||
from scipy.io import wavfile
|
|
||||||
import multiprocessing
|
|
||||||
from my_utils import load_audio
|
|
||||||
|
|
||||||
mutex = multiprocessing.Lock()
|
|
||||||
f = open("%s/preprocess.log" % exp_dir, "a+")
|
|
||||||
|
|
||||||
|
|
||||||
def println(strr):
|
|
||||||
mutex.acquire()
|
|
||||||
print(strr)
|
|
||||||
f.write("%s\n" % strr)
|
|
||||||
f.flush()
|
|
||||||
mutex.release()
|
|
||||||
|
|
||||||
|
|
||||||
class PreProcess:
|
|
||||||
def __init__(self, sr, exp_dir):
|
|
||||||
self.slicer = Slicer(
|
|
||||||
sr=sr,
|
|
||||||
threshold=-42,
|
|
||||||
min_length=1500,
|
|
||||||
min_interval=400,
|
|
||||||
hop_size=15,
|
|
||||||
max_sil_kept=500,
|
|
||||||
)
|
|
||||||
self.sr = sr
|
|
||||||
self.bh, self.ah = signal.butter(N=5, Wn=48, btype="high", fs=self.sr)
|
|
||||||
self.per = 3.7
|
|
||||||
self.overlap = 0.3
|
|
||||||
self.tail = self.per + self.overlap
|
|
||||||
self.max = 0.9
|
|
||||||
self.alpha = 0.75
|
|
||||||
self.exp_dir = exp_dir
|
|
||||||
self.gt_wavs_dir = "%s/0_gt_wavs" % exp_dir
|
|
||||||
self.wavs16k_dir = "%s/1_16k_wavs" % exp_dir
|
|
||||||
os.makedirs(self.exp_dir, exist_ok=True)
|
|
||||||
os.makedirs(self.gt_wavs_dir, exist_ok=True)
|
|
||||||
os.makedirs(self.wavs16k_dir, exist_ok=True)
|
|
||||||
|
|
||||||
def norm_write(self, tmp_audio, idx0, idx1):
|
|
||||||
tmp_max = np.abs(tmp_audio).max()
|
|
||||||
if tmp_max > 2.5:
|
|
||||||
print("%s-%s-%s-filtered" % (idx0, idx1, tmp_max))
|
|
||||||
return
|
|
||||||
tmp_audio = (tmp_audio / tmp_max * (self.max * self.alpha)) + (
|
|
||||||
1 - self.alpha
|
|
||||||
) * tmp_audio
|
|
||||||
wavfile.write(
|
|
||||||
"%s/%s_%s.wav" % (self.gt_wavs_dir, idx0, idx1),
|
|
||||||
self.sr,
|
|
||||||
tmp_audio.astype(np.float32),
|
|
||||||
)
|
|
||||||
tmp_audio = librosa.resample(
|
|
||||||
tmp_audio, orig_sr=self.sr, target_sr=16000
|
|
||||||
) # , res_type="soxr_vhq"
|
|
||||||
wavfile.write(
|
|
||||||
"%s/%s_%s.wav" % (self.wavs16k_dir, idx0, idx1),
|
|
||||||
16000,
|
|
||||||
tmp_audio.astype(np.float32),
|
|
||||||
)
|
|
||||||
|
|
||||||
def pipeline(self, path, idx0):
|
|
||||||
try:
|
|
||||||
audio = load_audio(path, self.sr)
|
|
||||||
# zero phased digital filter cause pre-ringing noise...
|
|
||||||
# audio = signal.filtfilt(self.bh, self.ah, audio)
|
|
||||||
audio = signal.lfilter(self.bh, self.ah, audio)
|
|
||||||
|
|
||||||
idx1 = 0
|
|
||||||
for audio in self.slicer.slice(audio):
|
|
||||||
i = 0
|
|
||||||
while 1:
|
|
||||||
start = int(self.sr * (self.per - self.overlap) * i)
|
|
||||||
i += 1
|
|
||||||
if len(audio[start:]) > self.tail * self.sr:
|
|
||||||
tmp_audio = audio[start : start + int(self.per * self.sr)]
|
|
||||||
self.norm_write(tmp_audio, idx0, idx1)
|
|
||||||
idx1 += 1
|
|
||||||
else:
|
|
||||||
tmp_audio = audio[start:]
|
|
||||||
idx1 += 1
|
|
||||||
break
|
|
||||||
self.norm_write(tmp_audio, idx0, idx1)
|
|
||||||
println("%s->Suc." % path)
|
|
||||||
except:
|
|
||||||
println("%s->%s" % (path, traceback.format_exc()))
|
|
||||||
|
|
||||||
def pipeline_mp(self, infos):
|
|
||||||
for path, idx0 in infos:
|
|
||||||
self.pipeline(path, idx0)
|
|
||||||
|
|
||||||
def pipeline_mp_inp_dir(self, inp_root, n_p):
|
|
||||||
try:
|
|
||||||
infos = [
|
|
||||||
("%s/%s" % (inp_root, name), idx)
|
|
||||||
for idx, name in enumerate(sorted(list(os.listdir(inp_root))))
|
|
||||||
]
|
|
||||||
if noparallel:
|
|
||||||
for i in range(n_p):
|
|
||||||
self.pipeline_mp(infos[i::n_p])
|
|
||||||
else:
|
|
||||||
ps = []
|
|
||||||
for i in range(n_p):
|
|
||||||
p = multiprocessing.Process(
|
|
||||||
target=self.pipeline_mp, args=(infos[i::n_p],)
|
|
||||||
)
|
|
||||||
ps.append(p)
|
|
||||||
p.start()
|
|
||||||
for i in range(n_p):
|
|
||||||
ps[i].join()
|
|
||||||
except:
|
|
||||||
println("Fail. %s" % traceback.format_exc())
|
|
||||||
|
|
||||||
|
|
||||||
def preprocess_trainset(inp_root, sr, n_p, exp_dir):
|
|
||||||
pp = PreProcess(sr, exp_dir)
|
|
||||||
println("start preprocess")
|
|
||||||
println(sys.argv)
|
|
||||||
pp.pipeline_mp_inp_dir(inp_root, n_p)
|
|
||||||
println("end preprocess")
|
|
||||||
|
|
||||||
|
|
||||||
if __name__ == "__main__":
|
|
||||||
preprocess_trainset(inp_root, sr, n_p, exp_dir)
|
|
||||||
Reference in New Issue
Block a user