-
Notifications
You must be signed in to change notification settings - Fork 2
/
app.py
206 lines (166 loc) · 8.32 KB
/
app.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
import os
import wave
import shutil
import struct
from typing import Tuple
import librosa
import scipy.signal
import numpy as np
import streamlit as st
import plotly.express as px
GRAPH_WIDTH = 720
GRAPH_HEIGHT = 400
TMP_DIR = "./tmp"
if os.path.exists(TMP_DIR):
shutil.rmtree(TMP_DIR)
os.makedirs(TMP_DIR)
@st.cache
def calc_spectrogram(wav: np.ndarray, sr: int, hop_len: int = 128, win_len: int = 256) -> Tuple[np.ndarray, np.ndarray, np.ndarray]:
"""スペクトログラムを計算する.
Args:
wav (np.ndarray): 信号データ
sr (int): サンプリングレート
hop_len (int, optional): FFT時のホップレングス. Defaults to 128.
win_len (int, optional): FFT時の窓幅. Defaults to 256.
Returns:
Tuple[np.ndarray, np.ndarray, np.ndarray]: _description_
"""
sample_freq_fs_fc, segment_time_fs_fc, spec_data_fs_fc = scipy.signal.spectrogram(wav, sr, nperseg=win_len, noverlap=hop_len)
return sample_freq_fs_fc, segment_time_fs_fc, spec_data_fs_fc
def output_tmp_audio(data, sr, file_path) -> None:
"""入力されたファイル名でwavファイルを書き出す.
Args:
filename (str): 出力ファイルパス
data (np.array): 信号データ
fs (int): サンプリングレート
"""
# データを-32768から32767の整数値に変換
data = [int(x * 32767.0) for x in data]
# バイナリ化
binwave = struct.pack("h" * len(data), *data)
wf = wave.Wave_write(file_path)
params = (
1, # channel
2, # byte width
sr, # sampling rate
len(data), # number of frames
"NONE", "not compressed" # no compression
)
wf.setparams(params)
wf.writeframes(binwave)
wf.close()
def upsampling(conversion_rate: int, data: np.array, fs: int) -> Tuple[np.array, int]:
"""アップサンプリングを行う．
入力として，変換レートとデータとサンプリング周波数．
アップサンプリング後のデータとサンプリング周波数を返す．
Args:
conversion_rate (int): 変換レート
data (np.array): 信号データ
fs (int): サンプリングレート
Returns:
Tuple[np.array, int]: 変換後の信号データとサンプリングレート
"""
# 補間するサンプル数を決める
interpolation_sample_num = conversion_rate-1
# FIRフィルタの用意をする
nyqF = (fs*conversion_rate)/2.0 # 変換後のナイキスト周波数
cF = (fs/2.0-500.)/nyqF # カットオフ周波数を設定（変換前のナイキスト周波数より少し下を設定）
taps = 511 # フィルタ係数（奇数じゃないとだめ）
b = scipy.signal.firwin(taps, cF) # LPFを用意
# 補間処理
up_data = []
for d in data:
up_data.append(d)
# 1サンプルの後に，interpolation_sample_num分だけ0を追加する
for i in range(interpolation_sample_num):
up_data.append(0.0)
# フィルタリング
result_data = scipy.signal.lfilter(b, 1, up_data)
return (result_data, int(fs*conversion_rate))
def downsampling(conversion_rate: int, data: np.array, fs: int) -> Tuple[np.array, int]:
"""ダウンサンプリングを行う．
入力として，変換レートとデータとサンプリング周波数．
アップサンプリング後のデータとサンプリング周波数を返す．
Args:
conversion_rate (int): 変換レート
data (np.array): 信号データ
fs (int): サンプリングレート
Returns:
Tuple[np.array, int]: 変換後の信号データとサンプリングレート
"""
# 間引くサンプル数を決める
decimation_sampleNum = conversion_rate-1
# FIRフィルタの用意をする
nyqF = (fs/conversion_rate)/2.0 # 変換後のナイキスト周波数
cF = (fs/conversion_rate/2.0-500.)/nyqF # カットオフ周波数を設定（変換前のナイキスト周波数より少し下を設定）
taps = 511 # フィルタ係数（奇数じゃないとだめ）
b = scipy.signal.firwin(taps, cF) # LPFを用意
# フィルタリング
data = scipy.signal.lfilter(b, 1, data)
# 間引き処理
down_data = []
for i in range(0, len(data), decimation_sampleNum+1):
down_data.append(data[i])
return (np.array(down_data), int(fs/conversion_rate))
def main():
st.title("Sampling Rate Conversion")
uploaded_file = st.sidebar.file_uploader("Audio file upload")
if uploaded_file is not None:
wav, sr = librosa.load(uploaded_file, sr=None, mono=True)
upsampling_file = os.path.join(TMP_DIR, "up.wav")
downsampling_file = os.path.join(TMP_DIR, "down.wav")
st.subheader('Original Audio')
st.write('sampling rate = ', sr, 'Hz')
st.audio(uploaded_file)
# SideBar
st.sidebar.title('spectrogram')
hop_len = st.sidebar.slider('hop len', min_value=128, max_value=2048, step=128, value=128)
win_len = st.sidebar.slider('win len', min_value=512, max_value=4096, step=256, value=512)
st.sidebar.title("sampling conversion")
up_rate = st.sidebar.slider('up sampling rate', min_value=2, max_value=20, step=2, value=2)
down_rate = st.sidebar.slider('down sampling rate', min_value=2, max_value=20, step=2, value=2)
# Original Audio Visualize
freq, _, spec = calc_spectrogram(wav, sr, hop_len, win_len)
fig = px.imshow(np.flipud(spec), aspect='auto')
fig.update_layout(title="Up Sampling Spectrogram", width=GRAPH_WIDTH, height=GRAPH_HEIGHT,
xaxis = dict(showticklabels=False),
yaxis = dict(
tickmode = 'array',
tickvals = [1, int(spec.shape[0]/4), int(spec.shape[0]/2), int(spec.shape[0]-1)],
ticktext = [str(int(freq[int(spec.shape[0]-1)])), str(int(freq[int(3*spec.shape[0]/4)])), str(int(freq[int(spec.shape[0]/2)])), str(0)],
title = "frequency(Hz)"))
st.write(fig)
# Up Sampling Audio Visualize
st.subheader('Up Sampling Audio')
up_wav, up_sr = upsampling(up_rate, wav, sr)
st.write('sampling rate = ', up_sr, 'Hz')
output_tmp_audio(up_wav, up_sr, upsampling_file)
st.audio(upsampling_file)
freq, _, spec = calc_spectrogram(up_wav, up_sr, hop_len, win_len)
fig = px.imshow(np.flipud(spec), aspect='auto')
fig.update_layout(title="Down Sampling Spectrogram", width=GRAPH_WIDTH, height=GRAPH_HEIGHT,
xaxis = dict(showticklabels=False),
yaxis = dict(
tickmode = 'array',
tickvals = [1, int(spec.shape[0]/4), int(spec.shape[0]/2), int(spec.shape[0]-1)],
ticktext = [str(int(freq[int(spec.shape[0]-1)])), str(int(freq[int(3*spec.shape[0]/4)])), str(int(freq[int(spec.shape[0]/2)])), str(0)],
title = "frequency(Hz)"))
st.write(fig)
# Down Sampling Audio Visualize
st.subheader('Down Sampling Audio')
down_wav, down_sr = downsampling(down_rate, wav, sr)
st.write('sampling rate = ', down_sr, 'Hz')
output_tmp_audio(down_wav, down_sr, downsampling_file)
st.audio(downsampling_file)
freq, _, spec = calc_spectrogram(down_wav, down_sr, hop_len, win_len)
fig = px.imshow(np.flipud(spec), aspect='auto')
fig.update_layout(title="Original Spectrogram", width=GRAPH_WIDTH, height=GRAPH_HEIGHT,
xaxis = dict(showticklabels=False),
yaxis = dict(
tickmode = 'array',
tickvals = [1, int(spec.shape[0]/4), int(spec.shape[0]/2), int(spec.shape[0]-1)],
ticktext = [str(int(freq[int(spec.shape[0]-1)])), str(int(freq[int(3*spec.shape[0]/4)])), str(int(freq[int(spec.shape[0]/2)])), str(0)],
title = "frequency(Hz)"))
st.write(fig)
if __name__ == "__main__":
main()