当前位置：首页 > news >正文

探究音频丢字位置和丢字时间对pesq分数的影响

news 来源：原创 2025/5/15 0:40:05

丢字的本质

丢字的本质是在一段音频中一小段数据变为0

丢字对主观感受的影响

1. 丢字位置

丢字的位置对感知效果有很大影响。如果丢字发生在音频信号的静音部分或低能量部分，感知可能不明显；而如果丢字发生在高能量部分或关键音素上，感知会非常明显。

2. 丢字持续时间

虽然10ms的丢字时间相对较短，但如果丢字发生在关键音素或瞬态（如爆破音、元音等）上，感知会更加明显。

3. 音频内容

不同类型的音频内容对丢字的敏感度不同。例如，语音信号中的丢字可能比音乐信号中的丢字更容易被感知，因为语音信号中有更多的瞬态和关键音素。

4. 人耳的感知能力

人耳对不同频率和时间的变化有不同的敏感度。某些频率范围内的丢字可能更容易被感知，而其他频率范围内的丢字可能不明显。

丢字位置和丢字持续时间的影响

判断丢字的位置在高能量和低能量位置以及丢字时间对pesq分数的影响

选取一段音频，随机在其高能量和低能量位置丢字，丢字时间分别设置为

[0.001, 0.002, 0.003, 0.004, 0.005, 0.006, 0.007, 0.008, 0.009, 0.01, 0.02, 0.03, 0.04, 0.05, 0.06, 0.07, 0.08, 0.09, 0.1]

单位为s，生成所有丢字的音频，再对丢字音频进行pesq评分，画成折线图输出

脚本代码如下：

import numpy as np
from scipy.io import wavfile
from pesq import pesq
from pesq import PesqError
import librosa
import matplotlib.pyplot as pltdef create_single_drop_audio(data, drop_start, drop_duration, sample_rate):"""在音频信号中指定位置，并将该位置的一小段音频数据设置为零"""num_samples = len(data)drop_samples = int(drop_duration * sample_rate)drop_end = drop_start + drop_samplesprint(drop_start,drop_duration)# 创建丢字音频dropped_data = np.copy(data)dropped_data[drop_start:drop_end] = 0return dropped_data# 读取原始音频文件并转换采样率
original_file = 'audio_file.wav'
target_sample_rate = 16000  # 选择8000或16000# 使用librosa加载音频文件并转换采样率
original_data, original_sample_rate = librosa.load(original_file, sr=target_sample_rate)# 计算音频信号的能量分布
energy = np.abs(original_data)**2
window_size = int(0.01 * original_sample_rate)  # 10ms窗口
energy = np.convolve(energy, np.ones(window_size), 'same')# 随机选择一个低能量位置进行丢字
low_energy_indices = np.where(energy < np.percentile(energy, 20))[0]  # 选择能量最低的20%
high_energy_indices = np.where(energy > np.percentile(energy, 80))[0]  # 选择能量最高的20%# 定义不同的drop_duration值
drop_durations = [0.001, 0.002, 0.003, 0.004, 0.005, 0.006, 0.007, 0.008, 0.009, 0.01, 0.02, 0.03, 0.04, 0.05, 0.06, 0.07, 0.08, 0.09, 0.1]# 存储PESQ分数
pesq_scores_low_energy = []
pesq_scores_high_energy = []# 计算原始音频的PESQ分数（与自身比较）
try:original_pesq_score = pesq(original_sample_rate, original_data, original_data, 'wb')print(f'Original Audio PESQ Score: {original_pesq_score:.2f}')
except PesqError as e:print(f'Error calculating PESQ for original audio: {e}')original_pesq_score = None# 对低能量部分进行丢字
drop_start = np.random.choice(low_energy_indices)
for drop_duration in drop_durations:dropped_data = create_single_drop_audio(original_data, drop_start, drop_duration, sample_rate=original_sample_rate)# 保存丢字音频output_file = f'low_energy_dropped_audio_{int(drop_duration*1000)}ms.wav'wavfile.write(output_file, original_sample_rate, (dropped_data * 32767).astype(np.int16))try:pesq_score = pesq(original_sample_rate, original_data, dropped_data, 'wb')pesq_scores_low_energy.append(pesq_score)print(f'Low Energy - Drop Duration: {drop_duration:.3f}s, PESQ Score: {pesq_score:.2f}')except PesqError as e:print(f'Error calculating PESQ for drop_duration {drop_duration} in low energy: {e}')pesq_scores_low_energy.append(None)# 对高能量部分进行丢字
drop_start = np.random.choice(high_energy_indices)
for drop_duration in drop_durations:dropped_data = create_single_drop_audio(original_data, drop_start, drop_duration, sample_rate=original_sample_rate)# 保存丢字音频output_file = f'high_energy_dropped_audio_{int(drop_duration*1000)}ms.wav'wavfile.write(output_file, original_sample_rate, (dropped_data * 32767).astype(np.int16))try:pesq_score = pesq(original_sample_rate, original_data, dropped_data, 'wb')pesq_scores_high_energy.append(pesq_score)print(f'High Energy - Drop Duration: {drop_duration:.3f}s, PESQ Score: {pesq_score:.2f}')except PesqError as e:print(f'Error calculating PESQ for drop_duration {drop_duration} in high energy: {e}')pesq_scores_high_energy.append(None)# 绘制折线图
plt.figure(figsize=(12, 8))
plt.plot([0] + drop_durations, [original_pesq_score] + pesq_scores_low_energy, marker='o', linestyle='-', color='b', label='Low Energy PESQ Score')
plt.plot([0] + drop_durations, [original_pesq_score] + pesq_scores_high_energy, marker='o', linestyle='-', color='r', label='High Energy PESQ Score')
plt.xlabel('Drop Duration (s)')
plt.ylabel('PESQ Score')
plt.title('PESQ Score vs Drop Duration (Low Energy vs High Energy)')
plt.grid(True)
plt.legend()
plt.show()

运行三次，随机选择不同的高能量和低能量部分，生成的折线图

从图表上看，高能部分丢字，只要出现1ms的丢字，mos下降的就很明显，mos下降0.2，主观听感上，就有一个明显的感知“bo”了一声。

但是低能量部分，出现丢字后，有时候mos下降了，有时候没有下降，10ms以内的丢字，mos基本不会下降，但是主观听感上，即使mos下降到3.8，也没有明显的感知

结论

pesq这种评分方式不能很好的评价音频丢字给主观带来的影响

探究音频丢字位置和丢字时间对pesq分数的影响

丢字的本质丢字的本质是在一段音频中一小段数据变为0 丢字对主观感受的影响 1. 丢字位置丢字的位置对感知效果有很大影响。如果丢字发生在音频信号的静音部分或低能量部分，感知可能不明显；而如果丢字发生在高能量部分或关键音素上，感知…...

编程日记 2025/5/15 0:40:05

【Linux】flock 文件级别的锁定

flock 是 Linux/Unix 系统中的一个命令，用于实现文件级别的锁定。它允许你在多个进程之间共享对文件的访问，但确保在同一时间只有一个进程可以访问文件，避免竞态条件（race conditions）和数据不一致问题。 flock 的基本…...

编程日记 2025/5/14 22:02:48

每天40分玩转Django：Django部署概述

一、Django部署概述在开发阶段,我们通常使用Django内置的轻量级开发服务器runserver。但在生产环境中,为了应对大量并发请求,需要使用高性能的WSGI服务器,如Gunicorn、uWSGI等。同时还要配置Nginx等Web服务器作为反向代理,实现负载均衡、静态文件处理等。下面是Django部署的整…...

编程日记 2025/5/14 22:50:41

【unity c#】深入理解string，以及不同方式构造类与反射的性能测试（基于BenchmarkDotNet）

出这篇文章的主要一个原因就是ai回答的性能差异和实际测试完全不同，比如说是先获取构造函数再构造比Activator.CreateInstance(type)快，实际却相反对测试结果的评价基于5.0，因为找不到unity6确切使用的net版本，根据c#9推测是net5…...

编程日记 2025/5/14 22:45:09

防抖和节流的方法详解和CSS文本溢出小知识

1.防抖防抖：在事件被触发n秒后再执行回调，如果在这n秒内又被触发，则重新计时场景：搜索框输入发请求，一些拖拽盒子，或者滚动事件防抖的实现：利用间歇函数 const timer =setTimeout(callback函数，间隔时间) //执行完会返回自身的这个定时器的编号//事件所触发的函…...

编程日记 2025/5/14 23:16:25

深度解析：Maven 和 Gradle 的使用比较及常见仓库推荐

Maven 和 Gradle 是 Java 项目中最常用的构建工具。它们各有优势，适用于不同的场景。本文将对两者进行详细的对比，并推荐一些常用的 Maven 和 Gradle 仓库，帮助开发者高效管理依赖。一、Maven 和 Gradle 的使用比较 1.1 基本介绍 Maven 基…...

编程日记 2025/5/15 0:20:34

CSS---实现盒元素div内input/textarea的focus状态时给父元素加属性！

注意兼容性，低版本浏览器无效要实现当 textarea 文本框获得焦点时，自动给其父元素添加类名或样式，您可以使用 CSS 的 :focus-within 伪类选择器。这个选择器会在元素本身或其任何子元素获得焦点时应用样式。示例代码假设您有以下 HTML 结…...

编程日记 2025/5/14 21:53:50

施耐德变频器ATV320系列技术优势：创新与安全并重

在工业自动化领域，追求高效、安全与智能已成为不可阻挡的趋势。施耐德变频器ATV320系列凭借其强大的设计标准和全球认证，成为能够帮助企业降低安装成本，提高设备性能的创新解决方案。【全球认证，品质保障】ATV320 系列秉持施耐德…...

编程日记 2025/5/14 15:38:03

Dynamo：Amazon 的高可用键值仓储

大家觉得有意义和帮助记得及时关注和点赞!!! Dynamo 是 Amazon 的高可用分布式键值存储（key/value storage）系统。这篇论文发表的时候（2007）它还只是一个内部服务，现在（改名为 DynamoDB）已经发…...

编程日记 2025/5/14 22:52:58

前端开发 -- 自动回复机器人【附完整源码】

一：效果展示本项目实现了一个简单的网页聊天界面，用户可以在输入框中输入消息，并点击发送按钮或按下回车键来发送消息。机器人会根据用户发送的消息内容，通过关键字匹配来生成自动回复。二：源代码分享 <!DOCTYP…...

编程日记 2025/5/10 17:32:37

离散数学群（半群，群，交换群,循环群，对称群，置换群,置换,交代群,轮换）详细,复习笔记

半群: 设G是一个非空集合，若为G上的二元代数运算，且满足结合律，则称该代数系统(G,)为半群性质:非空,封闭,结合律独异点: 含有单位元的半裙练习题： 例:设S是一个非空集合，p(S)是S的幂集，∩和U是p(S…...

编程日记 2025/5/14 21:51:34

Android Java 版本的 MSAA OpenGL ES 多重采样

最近多次被小伙伴问到 OpenGL 多重采样，其实前面文章里多次讲过了，就是构建2个缓冲区，多重采样缓冲区和目标解析缓冲区。代码流程 // Framebuffer IDs private int msaaFBO; private int msaaColorBuffer; private int msaaDepthBuffer;pr…...

编程日记 2025/5/14 17:57:42

学习笔记之初识HALCON

目录一、概要二、数据结构 1、图像Image 2、Region区域 3、XLD 三、图像预处理 1、图像的变换与校正 2、图像增强四、图像的形态学处理 1、边界提取 2、孔洞填充 3、骨架五、图像金字塔六、区域分割 1、区域生长 2、区域分裂与合并七、边缘检测 1、Pre…...

编程日记 2025/5/14 21:33:32

嵌入式硬件杂谈（七）IGBT MOS管三极管应用场景与区别

引言：在现代嵌入式硬件设计中，开关元件作为电路中的重要组成部分，起着至关重要的作用。三种主要的开关元件——IGBT（绝缘栅双极型晶体管）、MOSFET（金属氧化物半导体场效应晶体管）和三极管&#…...

编程日记 2025/5/14 21:49:10

【Rust自学】7.1. Package、Crate和定义Module

喜欢的话别忘了点赞、收藏加关注哦，对接下来的教程有兴趣的可以关注专栏。谢谢喵！(･ω･) 7.1.1. Rust的代码组织代码组织主要包括： 那些细节可以对外暴露，而哪些细节是私有的在作用域内哪些名称有效… …...

编程日记 2025/5/14 22:48:23

【已解决】pyinstaller打包ico图片报错：OSError: [WinError 225] 无法成功完成操作，因为文件包含病毒或潜在的垃圾软件。

起因： pyinstaller加上 --icon 参数打包时报错。命令如下： 解决： 关闭 Windows 的病毒防护即可，步骤如下。点屏幕右下角通知栏，进入“病毒和威胁防护”： 打开： 关闭实时保护&#xff08…...

编程日记 2025/5/14 23:13:16

广东粤万润与时序数据库TDengine携手打造智慧酒店新未来：数据驱动智能化转型

在智能化转型浪潮席卷全球的当下，智慧酒店行业已然成为推进智能生活应用的先锋领域。从智能照明到环境监测，从安防系统到沉浸式影音娱乐，智慧酒店通过技术赋能为用户提供了更加舒适、高效且个性化的服务体验。然而，随着设备的增多…...

编程日记 2025/5/14 23:03:41

基于云计算的分布式文件存储系统设计与实现

基于云计算的分布式文件存储系统设计与实现第一章绪论 1.1 研究背景及意义随着互联网技术的飞速发展，云计算作为一种新兴的计算模式，以其弹性伸缩、按需分配和成本效益高等特点，逐渐成为信息技术领域的研究热点。它为大数据处理、高性能…...

编程日记 2025/5/14 9:00:57

基于顺序表实现队列循环队列的处理

文章目录 1.假溢出的现象2.循环队列3.顺序表实现队列架构4.顺序表模拟实现队列5.设计循环队列（校招难度） 1.假溢出的现象下面的这个就是我们的假溢出的这个现象的基本的来源： 我们的这个队列里面是有9个位置的，我们知道这个队列…...

编程日记 2025/5/14 22:06:32

leecode377.组合总和IV

本题其实是多重背包问题，对于价值和重量都是nums[i]的的物品，求装满这个容量为4的背包共有多少种排列方式如果是组合问题，那么遍历顺序是先物品后背包，这样能保证物品按从小到大顺序依次放置，对于实例1求出来为4&…...

编程日记 2025/5/14 23:54:36

变量与数据类型 - 整型、浮点型、字符型等

引言在编程中，变量和数据类型是基础中的基础。理解它们如何工作以及如何正确使用它们对于编写高效且无误的代码至关重要。本文将详细介绍 C 中的几种基本数据类型：整型、浮点型、字符型等，并通过实例帮助读者更好地理解和掌握这些概念。一…...

编程日记 2025/5/14 22:09:01

selenium学习笔记（二）

文章目录前言设计模式POMPOM概念POM优势POM设计原则POM的实现 selenium的常用操作处理动态元素截图操作勾选复选框多层框架/窗口定位操作下拉框上传文件操作处理弹窗切换窗口拖拽操作如何处理浏览器驱动更新导致的问题selenium与网站监控监听网页内容变化监控网络请求 seleni…...

编程日记 2025/5/14 12:56:26

vue和uniapp中，点击按钮传递当前item对象，并从selectData数组中删除该条item数据

在 Vue 中，可以通过点击按钮传递 item 对象，并从 selectData 数组中删除该条数据。可以使用 Array.prototype.filter() 方法来实现这一点。以下是一个示例：说明数据结构：selectData 是一个包含多个对象的数组，每个对象都有 id 和 name 属性。渲染列表：使用 v-for 指令…...

编程日记 2025/5/14 22:41:40

option {backgroundColor: #1b2735,tooltip: {//提示框组件trigger: axis,//触发类型柱状图axisPointer:{type:shadow} //触发效果移动上去背景效果}, xAxis: [//x轴{type: category,//坐标轴类型离散data: [1月, 2月, 3月, 4月, 5月, 6月, 7月, 8月],//数据axisTick:f…...

编程日记 2025/5/14 21:29:31

OpenHarmony怎么修改DPI密度值？RK3566鸿蒙开发板演示

本文介绍在开源鸿蒙OpenHarmony系统下，修改DPI密度值的方法，触觉智能Purple Pi OH鸿蒙开发板演示，搭载了瑞芯微RK3566四核处理器，Laval鸿蒙社区推荐开发板，已适配全新开源鸿蒙OpenHarmony5.0 Release系统，适…...

编程日记 2025/5/14 23:00:08

KylinOS V10 SP3下编译openGauss与dolphin插件

编译环境 KylinOS v10 sp3gcc 7.3.0make 4.3opengauss 5.0.0 mkdir -p /data/opengauss cd /data/opengauss git clone https://gitee.com/opengauss/openGauss-server.git git clone https://gitee.com/opengauss/Plugin.git wget -c https://opengauss.obs.cn-south-1.myhu…...

编程日记 2025/5/14 22:28:02

【入门】买杯子

描述小明去商店买杯子，他想买价格在 10 到 20 元之间的杯子（含 10 元和 20 元），他看到货架上有 3 个不同价格的杯子，请问最终他买了几个杯子，总共花了多少钱？ 比如：货架上有如下的…...

编程日记 2025/5/6 17:20:03

VIVO C++开发面试题及参考答案

面向过程与面向对象的区别，面向对象后的好处面向过程编程主要关注的是程序的流程，它将一个问题分解为一系列的步骤，通过函数来实现这些步骤，数据和操作这些数据的函数是分离的。例如，在一个简单的计算学生成绩平均值的程序中，我们可能会有一些函数来输入成绩、计算总和、…...

编程日记 2025/5/14 15:25:40

虚拟化 | Proxmox VE 8.x 开源的虚拟化平台快速上手指南

[ 知识是人生的灯塔，只有不断学习，才能照亮前行的道路 ] 0x00 简介说明前言简述描述：作为一个爱折腾的IT打工佬，时刻以学习各类新技术新知识为目标，这不正好有一台部署了VMware vSphere ESXi 虚拟化环境的服务器，由于正好安装其系统的磁盘有坏道，经常导致使用 ESXi 异…...

编程日记 2025/5/14 22:20:41

【原创学习笔记】近期项目中使用的西门子V20变频器总结（下篇）

上一篇我们简单介绍了下现场的变频器，现在我们来聊聊如何用手机控制变频器。手机控制变频器的前提是变频器上必须安装智能模块，现场并为安装此模块，故不作考虑。下面介绍一下如何实现手机或者电脑控制变频器首先如果存在485通信&#x…...

编程日记 2025/5/14 21:36:47

idea 8年使用整理

文章目录前言idea 8年使用整理1. 覆盖application配置2. 启动的时候设置编辑空间大小，并忽略最大空间3. 查询类的关系4. 查看这个方法的引用关系5. 查看方法的调用关系5.1. 查看被调用关系5.2. 查看调用关系 6. 方法分隔线7. 选择快捷键类型8. 代码预览插件9. JReb…...

编程日记 2025/5/14 22:15:37

Bluetooth Spec【0】蓝牙核心架构

蓝牙核心系统由一个主机、一个主控制器和零个或多个辅助控制器组成蓝牙BR/ EDR核心系统的最小实现包括了由蓝牙规范定义的四个最低层和相关协议，以及一个公共服务层协议；服务发现协议（SDP）和总体配置文件要求在通用访问配置文件&a…...

编程日记 2025/5/14 21:57:03

PlantUML 入门使用指南

PlantUML 入门使用指南一、PlantUML介绍二、PlantUML的用途三、PlantUML的语法及示例3.1 用例图（Use Case Diagram）3.2 类图（Class Diagram）3.3 对象图（Object Diagram）3.4 序列图（Sequence Di…...

编程日记 2025/5/14 22:39:20

QT:一个TCP客户端自动连接的测试模型

版本 1:没有取消按钮测试效果： 缺陷： 无法手动停止测试代码 CMakeLists.txt cmake_minimum_required(VERSION 3.19) project(AutoConnect LANGUAGES CXX)find_package(Qt6 6.5 REQUIRED COMPONENTS Core Widgets Network)qt_standard_project_setup(…...

编程日记 2025/5/14 22:34:31

IOS safari 播放 mp4 遇到的坎儿

起因事情的起因是调试 IOS 手机下播放服务器接口返回的 mp4 文件流失败。对于没调试过移动端和 Safari 的我来说着实费了些功夫，网上和AI也没有讲明白。好在最终大概理清楚了，在这里整理出来供有缘人参考。问题因为直接用 IOS 手机的浏览器打开页面…...

编程日记 2025/5/14 23:03:42

LLM常见面试题（26-30题）--langchain篇

26，什么是langchain? 一个局域语言模型的框架，用于构建聊天机器人、生成式回答、摘要等功能。核心思想是将不同的组件“链”在一起，连接大语言模型和外部资源，以创建更高级的语言模型应用。使得开发人员可以快速开发原型系统和…...

编程日记 2025/5/14 15:40:55

【Python运维】构建基于Python的自动化运维平台：用Flask和Celery

《Python OpenCV从菜鸟到高手》带你进入图像处理与计算机视觉的大门！解锁Python编程的无限可能：《奇妙的Python》带你漫游代码世界在现代IT运维中，自动化运维平台扮演着至关重要的角色，它能够显著提高运维效率，减少人为错误，并且增强系统的可维护性。本文将引导读者如…...

编程日记 2025/5/14 22:33:29

socket编程(C++/Windows)

相关文章推荐： Socket 编程基础面试官，不要再问我三次握手和四次挥手 TCP的三次握手与四次挥手参考视频： https://www.bilibili.com/video/BV1aW4y1w7Ui/?spm_id_from333.337.search-card.all.click TCP通信流程服务端 #include<…...

编程日记 2025/5/14 5:38:43

Spring Boot介绍、入门案例、环境准备、POM文件解读

文章目录 1.Spring Boot(脚手架)2.微服务3.环境准备3.1创建SpringBoot项目3.2导入SpringBoot相关依赖3.3编写一个主程序；启动Spring Boot应用3.4编写相关的Controller、Service3.5运行主程序测试3.6简化部署 4.Hello World探究4.1POM文件4.1.1父项目4.1.2父项目的父…...

编程日记 2025/5/14 22:56:27

【hackmyvm】deba靶机wp

tags: HMVnodejs反序列化CVE-2017-5941wine命令定时任务 1. 基本信息^toc 文章目录 1. 基本信息^toc2. 信息收集2.1. 端口扫描2.2. 目录扫描 3. nodejs反序列化 (CVE-2017-5941)4. www-data提权low用户5. 定时任务提权6. wine命令提权root6.1. 利用CS获取root 靶机链接 http…...

编程日记 2025/5/14 9:52:56

新浪微博大数据面试题及参考答案（数据开发和数据分析）

介绍一下你所掌握的计算机网络和操作系统相关知识计算机网络：计算机网络是将地理位置不同的具有独立功能的多台计算机及其外部设备，通过通信线路连接起来，在网络操作系统，网络管理软件及网络通信协议的管理和协调下，实现资源共享和信息传递的计算机系统。我掌握了网络协议…...

编程日记 2025/5/14 23:04:55

去除 el-input 输入框的边框（element-ui@2.15.13）

dgqdgqdeMac-mini spid-admin % yarn list --pattern element-ui yarn list v1.22.22 └─ element-ui2.15.13 ✨ Done in 0.23s.dgqdgqdeMac-mini spid-admin % yarn list vue yarn list v1.22.22 warning Filtering by arguments is deprecated. Please use the pattern opt…...

编程日记 2025/5/14 22:10:07

丢字的本质

丢字对主观感受的影响

丢字位置和丢字持续时间的影响

结论

相关文章：