首页 > 编程语言 >C++调用Python和numpy第三方库计算MFCC音频特征实现封装发布

C++调用Python和numpy第三方库计算MFCC音频特征实现封装发布

时间:2024-08-24 17:49:35浏览次数:10  
标签:MFCC AudioPreprocess Python Py C++ PyObject python samples

目录

项目简介

深度学习程序的边缘部署以性能绝佳的C++为主(⊙﹏⊙),但遇到项目开发周期短,则以功能优先,一些复杂的算法和处理用C++写怕不是得写到天荒地老,于是C++调用python以及第三方库的C端接口这样的方案就应运而生,牺牲一小部分性能,换来功能的完成,连准确性也顺便验证了(注意如果开发人员水平不够(ㄒoㄒ),用C++造轮子的性能还不如python)

本项目首先开发了一个python的类用于预处理wav音频文件来提取MFCC特征,得益于python_speech_features库其实几行代码就能解决,但为了后续的学习借鉴,本次开发较完善点,开发的多个接口对多种数据传递的情况做演示,然后用C++调用这些python接口并取回数据,经测试,每次调用接口会比纯python执行慢不到1毫秒,最终打包后的项目放到无任何开发环境的虚拟机做测试,这其中的波折和踩坑真的只有做过的才懂┭┮﹏┭┮

梅尔频率倒谱系数(MFCC)通过对音频信号的处理和分析,提取出反映语音特征的信息,广泛应用于语音识别、语音合成、说话人识别等领域。可以简单的理解为将一个音频文件转为了矩阵,该矩阵保存了音频特征。

程序/数据集下载

点击进入下载地址

本文章只发布于博客园爆米算法,被抄袭后可能排版错乱或下载失效,作者:爆米LiuChen

环境准备

python3.8(虚拟环境或主环境均可)、VS2019(已支持cmake)、什么都没装的win虚拟机(用于测试)
整个项目的文件结构如下

执行步骤

1.新建python虚拟环境

anaconda的命令是【conda create -n 环境名 python=3.8】,然后pip安装下numpy、scipy,python_speech这几个包

2.虚拟环境运行下python代码

AudioPreprocess.py代码如下,主要实现了AudioPreprocess这个类,作用是将wav文件先采样成numpy矩阵,然后提取MFCC特征
from python_speech_features import mfcc
import scipy.io.wavfile
from numpy.typing import NDArray
from typing import Tuple
import numpy as np

def yell():
    print('''Congratulations,you import 【AudioPreprocess】 successfully!!!''')


class AudioPreprocess():
    def __init__(self,numcep:int=13,keepSecs:int=8):
        '''
        预处理类
        :param numcep: MFCC特征数(通道数)
        :param keepSecs: 一个wav文件读取后保留的秒数,不够则补0
        '''
        self.numcep = numcep
        self.keepSecs = keepSecs

    def readWave(self,wavePath:str)->Tuple[int,NDArray[np.int16]]:
        '''
        读取一个wave文件
        :param wavePath: wav文件路径
        :return: 采样率,采样
        '''
        samplerate, samples = scipy.io.wavfile.read(wavePath)
        return samplerate, samples

    def samples2MFCC(self,samplerate:int, samples:NDArray[np.int16])->NDArray[np.float32]:
        '''
        一个wav的采样转MFCC特征
        :param samplerate: 采样率
        :param samples: 采样
        :return: MFCC特征 size=(channel,feature)
        '''
        samples = samples if len(samples.shape) <= 1 else samples[:, 0]
        samples = samples[:int(self.keepSecs*samplerate)]
        samples = np.pad(samples, pad_width=(0, int(samplerate * self.keepSecs) - samples.shape[0]), mode='constant',constant_values=(0, 0))
        mfccFeature = mfcc(samples, samplerate=samplerate,numcep=self.numcep)
        mfccFeature = np.transpose(mfccFeature,axes=(1,0))
        return mfccFeature

    def wave2MFCC(self,wavePath:str)->NDArray[np.float64]:
        '''
        wav路径转MFCC
        :param wavePath: wav文件路径
        :return: MFCC特征 size=(channel,feature)
        '''
        samplerate, samples = self.readWave(wavePath)
        mfccFeature = self.samples2MFCC(samplerate, samples)
        return mfccFeature

if __name__ == "__main__":
    import time
    path = "test.wav"
    audioPreprocess = AudioPreprocess()
    samplerate, samples = audioPreprocess.readWave(path)
    t1 = time.time()
    for i in range(100):
        mfccFeature = audioPreprocess.wave2MFCC(path)
    t2 = time.time()
    print((t2-t1)*1000)

3.迁移虚拟环境

可以将整个虚拟环境都转移到项目中,这样最稳,但文件也最多,我是主要复制了下面几个文件和文件夹,并删除了Lib/site-packages里一些用不到的库,结果还是得要250多M,numpy和scipy这俩库太大了...其实可以尝试一个个的删除,只要留下的文件能支撑你的项目就行,但我这边就懒得这么做了

4.编写Cmakelists.txt

因为需要调用python解释器,并且也用到了numpy的C接口,所以要额外编写下这俩的配置,需要的文件都在我们的虚拟环境中
cmake_minimum_required (VERSION 3.8)
project ("AudioPrepocess")
SET(CMAKE_BUILD_TYPE "Release")#Debug或Release模式
set(CMAKE_CXX_STANDARD 11)
add_compile_options("$<$<C_COMPILER_ID:MSVC>:/utf-8>")
add_compile_options("$<$<CXX_COMPILER_ID:MSVC>:/utf-8>")

#项目文件路径配置
set(CMAKE_BINARY_DIR "${CMAKE_SOURCE_DIR}/build")#项目源码构建路径
set(CMAKE_RUNTIME_OUTPUT_DIRECTORY "${CMAKE_SOURCE_DIR}/bin")#存放可执行软件的目录;
set(CMAKE_ARCHIVE_OUTPUT_DIRECTORY "${CMAKE_SOURCE_DIR}/lib")#默认存放项目生成的静态库的文件夹位置;
set(CMAKE_LIBRARY_OUTPUT_DIRECTORY "${CMAKE_SOURCE_DIR}/lib")#默认存放项目生成的动态库的文件夹位置;
include_directories(include)#头文件目录
aux_source_directory(source SRC_FILES)#源文件目录的所有文件
 
#调用python的设置
set(PYTHON_DIR "${CMAKE_SOURCE_DIR}/python38/env")
include_directories("${PYTHON_DIR}/include")#头文件目录
link_libraries("${PYTHON_DIR}/libs/python38.lib")
#调用numpy的设置
include_directories("${CMAKE_SOURCE_DIR}/python38/env/Lib/site-packages/numpy/core/include/numpy")#头文件目录
link_libraries("${CMAKE_SOURCE_DIR}/python38/env/Lib/site-packages/numpy/core/lib/npymath.lib")
#移动一些python的依赖
file(COPY "${CMAKE_SOURCE_DIR}/python38" DESTINATION "${CMAKE_RUNTIME_OUTPUT_DIRECTORY}")
file(RENAME "${CMAKE_RUNTIME_OUTPUT_DIRECTORY}/python38/env/python38.dll" "${CMAKE_SOURCE_DIR}/bin/python38.dll")

add_executable(${PROJECT_NAME} main.cpp ${SRC_FILES} "source/AudioPreprocess.cpp")#构建可执行文件

5.编写C++代码

include/AudioPreprocess.h如下,声明一个对应python的AudioPreprocess类,成员函数也一致(可以不用这么对应,单纯写个函数去调执行py脚本里的AudioPreprocess类接口就行)反正最后是调用python代码,要不要对应不重要,但这个博客主要是演示的全面一点,注释也写得全一点
#include <chrono>
#include <vector>
#include "Python.h"
#include "arrayobject.h"

long long getCurrentTimeMS();//获得当前时间戳 单位毫秒

int* initNumpy();//初始化numpy会有返回值 不能直接放在类的构造函数中,所以拿个形式函数包裹下

//包裹readWave的返回值
struct ResReadWave {
	int sampleRate;
	PyArrayObject* samples;
};

//调用python进行音频预处理类 可选择是否标准化数据 但需要传入标准化文件路径 
class AudioPreprocess
{
public:
	/// @brief 初始化python 初始化模块和导入的python类
	/// @param scalerPath 标准化文件路径
	/// @param numcep MFCC特征数(通道数)
	/// @param keepSecs 一个wav文件读取后保留的秒数,不够则补0
	AudioPreprocess(int numcep=13, int keepSecs=8);
	
	/// @brief 读取wav文件,返回采样率和采样
	/// @param wavePath 
	ResReadWave readWave(char* wavePath);

	/// @brief 采样转MFCC特征 返回MFCC特征
	/// @param samplerates 
	/// @param samples 
	/// @return MFCC特征 二维数组
	PyArrayObject *samples2MFCC(int samplerates, PyArrayObject* samples);

	/// @brief 读取wav文件,返回MFCC特征
	/// @param wavePath 
	/// @return MFCC特征 二维数组
	PyArrayObject* wave2MFCC(char* wavePath);

	~AudioPreprocess();

private:
	PyObject* pyModule;
	PyObject* pyFunc;
	PyObject* pyArgs;
	PyObject* pyClass;
	PyObject* pyClassObj;
	//python预处理类中对应的函数、参数、返回值
	PyObject* pyFuncReadWave;
	PyObject* pyArgsReadWave;
	PyObject* pyResReadWave;

	PyObject* pyFuncSamples2MFCC;
	PyObject* pyArgsSamples2MFCC;
	PyObject* pyResSamples2MFCC;

	PyObject* pyFuncWave2MFCC;
	PyObject* pyArgsWave2MFCC;
	PyObject* pyResWave2MFCC;

	int numcep;
	int keepSecs;
};
source/AudioPreprocess.cpp如下,实现C++和python互传一些基本类型以及numpy这种稍微复杂点的矩阵,注意python初始化的执行顺序,还有最好手动释放那些python对象,还有注意numpy的数据精度类型,不对齐是不会报错的

可以看出C++其实实例化了一个python解释器,然后在解释器里执行python代码,等于在python外套了一层,因此不管怎样都不可能比python还快,这种方式适合需要实现复杂算法且开发时间短的场景,毕竟谁愿意去看MFCC的公式呢...
#include "AudioPreprocess.h"


int* initNumpy() {
    import_array();
}

long long getCurrentTimeMS() {
    auto now = std::chrono::system_clock::now(); // 获取当前时间点
    auto now_ms = std::chrono::time_point_cast<std::chrono::milliseconds>(now); // 转换为毫秒
    auto epoch = now_ms.time_since_epoch(); // 计算自纪元以来的毫秒数
    return epoch.count(); // 返回毫秒数
}

AudioPreprocess::AudioPreprocess(int numcep, int keepSecs):numcep(numcep), keepSecs(keepSecs){
    //初始化python解释器
    Py_SetPythonHome(L"python38/env");
    Py_Initialize();
    initNumpy();//初始化numpy,必须紧跟在python解释器初始化后面
    PyRun_SimpleString("import sys;sys.path.append('./python38')");
    this->pyModule = PyImport_ImportModule("AudioPreprocess");
    this->pyFunc = PyObject_GetAttrString(this->pyModule, "yell");//yell这个函数的作用只是确认导入成功 顺便示范下怎么调用python函数
    PyEval_CallObject(this->pyFunc, nullptr);
    //实例化python的音频处理类
    this->pyClass = PyObject_GetAttrString(this->pyModule, "AudioPreprocess");//获取AudioPreprocess这个类
    this->pyArgs = Py_BuildValue("(i,i)", numcep, keepSecs);
    this->pyClassObj = PyEval_CallObject(this->pyClass,this->pyArgs);
    //初始化指针对应python的音频处理类成员函数、参数、返回值
    this->pyFuncReadWave = PyObject_GetAttrString(this->pyClassObj, "readWave");
    this->pyArgsReadWave = PyTuple_New(1);
    this->pyResReadWave = PyTuple_New(2);

    this->pyFuncSamples2MFCC = PyObject_GetAttrString(this->pyClassObj, "samples2MFCC");
    this->pyArgsSamples2MFCC = PyTuple_New(2);
    this->pyResSamples2MFCC = PyTuple_New(1);

    this->pyFuncWave2MFCC = PyObject_GetAttrString(this->pyClassObj, "wave2MFCC");
    this->pyArgsWave2MFCC = PyTuple_New(1);
    this->pyResWave2MFCC = PyTuple_New(1);
}

ResReadWave AudioPreprocess::readWave(char* wavePath) {
    //传入路径
    PyTuple_SetItem(this->pyArgsReadWave,0,Py_BuildValue("s",wavePath));
    this->pyResReadWave = PyEval_CallObject(this->pyFuncReadWave, this->pyArgsReadWave);
    //返回值1 采样率
    int sampleRate;
    PyArg_Parse(PyTuple_GetItem(this->pyResReadWave, 0),"i", &sampleRate);
    //返回值2 采样 numpy int16一维数组
    PyArrayObject*  samples = (PyArrayObject*)PyArray_FROM_OTF(PyTuple_GetItem(this->pyResReadWave, 1), NPY_INT16, NPY_IN_ARRAY);
    ResReadWave result = {sampleRate,samples};
    //打印下值,验证准确性 python输出的值为58
    npy_intp indices[1] = {0};  // [0]的位置
    int16_t value = *(int16_t*)PyArray_GetPtr(result.samples, indices);
    printf("python输出数组[0,0]    :58\nC++&python输出数组[0,0]:%d\n\n",value);
    return result;
}

PyArrayObject* AudioPreprocess::samples2MFCC(int sampleRate, PyArrayObject* samples) {
    //传入 采样率 采样二维数组
    PyTuple_SetItem(this->pyArgsSamples2MFCC, 0, Py_BuildValue("i", sampleRate));
    PyTuple_SetItem(this->pyArgsSamples2MFCC, 1, (PyObject*)samples);
    this->pyResSamples2MFCC = PyEval_CallObject(this->pyFuncSamples2MFCC, this->pyArgsSamples2MFCC);
    //返回值 采样二维数组
    PyArrayObject* mfccFeature = (PyArrayObject*)PyArray_FROM_OTF(this->pyResSamples2MFCC, NPY_FLOAT64, NPY_IN_ARRAY);
    //打印下值,验证准确性 python输出的值为11.31785676885986
    npy_intp indices[2] = {0,0};  // [0,0]的位置
    double_t value = *(double_t*)PyArray_GetPtr(mfccFeature, indices);
    printf("python输出数组[0,0]    :11.31785676885986\nC++&python输出数组[0,0]:%.14f\n",value);
    return mfccFeature;
}

PyArrayObject* AudioPreprocess::wave2MFCC(char* wavePath) {
    //传入路径
    PyTuple_SetItem(this->pyArgsWave2MFCC, 0, Py_BuildValue("s", wavePath));
    this->pyResWave2MFCC = PyEval_CallObject(this->pyFuncWave2MFCC, this->pyArgsWave2MFCC);
    //返回值 采样二维数组
    PyArrayObject* mfccFeature = (PyArrayObject*)PyArray_FROM_OTF(this->pyResWave2MFCC, NPY_FLOAT64, NPY_IN_ARRAY);
    return mfccFeature;
}

AudioPreprocess::~AudioPreprocess() {
    Py_CLEAR(pyModule);
    Py_CLEAR(pyFunc);
    Py_CLEAR(pyArgs);
    Py_CLEAR(pyClass);
    Py_CLEAR(pyClassObj);
    Py_CLEAR(pyFuncReadWave);
    Py_CLEAR(pyArgsReadWave);
    Py_CLEAR(pyResReadWave);
    Py_CLEAR(pyFuncSamples2MFCC);
    Py_CLEAR(pyArgsSamples2MFCC);
    Py_CLEAR(pyResSamples2MFCC);
    Py_CLEAR(pyFuncWave2MFCC);
    Py_CLEAR(pyArgsWave2MFCC);
    Py_CLEAR(pyResWave2MFCC);
    Py_Finalize();
}
main.cpp如下,验证下上文实现的方法,并于python做下对比验证,精度不一致问题是深度学习大忌,还有看看性能损失有多少,顺便做一下多线程实验,python内部的GIL锁会导致C++多线程崩溃,必须手动给python加锁
#include <iostream>
#include "AudioPreprocess.h"
#include <thread>
#include <mutex>

AudioPreprocess AP(13, 8);//初始化音频处理类 理论上只需要简单实现wave2MFCC函数,但我对应python的类都实现了,就当练习

void wave2MFCC_thread(char* wavePath) {
	
	PyGILState_STATE state = PyGILState_Ensure();
	AP.wave2MFCC("./python38/test.wav");
	PyGILState_Release(state);
	
}

void main() {
	ResReadWave resReadWave;//存储采样率和采用
	PyArrayObject* mfccFeature;//存储MFCC特征
	
	//resReadWave.samples只能在类内访问 不明原因 可能是因为python解释器在那个类中初始化的,可以想办法在类内转成C++ vector数组再访问
	resReadWave = AP.readWave("./python38/test.wav");
	mfccFeature = AP.samples2MFCC(resReadWave.sampleRate, resReadWave.samples);
	mfccFeature = AP.wave2MFCC("./python38/test.wav");
	//运行100次,计算时间 ,对比纯python的时间
	long long t1 = getCurrentTimeMS();
	for (int i = 1; i <= 100; ++i) {
		mfccFeature = AP.wave2MFCC("./python38/test.wav");
	}
	long long t2 = getCurrentTimeMS();
	printf("\npython运行100次函数时间    :930 ms\nC++&python运行100次函数时间:%d ms\n",t2-t1);

	//多线程实验 如果没处理好 C++多线程会使python解释器崩溃
	printf("\n多线程实验");
	printf("\n多线程初始化:%d", PyEval_ThreadsInitialized());
	printf("\n全局解释器锁GIL:%d\n", PyGILState_Check());
	//PyEval_InitThreads();//开启多线程支持 3.8这个版本已经不需要手动调用这行代码来开启多线程支持
	Py_BEGIN_ALLOW_THREADS;//暂时释放全局解释器锁GIL
	char* wavePath = "./python38/test.wav";
	std::thread t1(wave2MFCC_thread, wavePath);
	std::thread t2(wave2MFCC_thread, wavePath);

	t1.join();
	t2.join();
	Py_END_ALLOW_THREADS;//重新获取全局解释器锁
						 
	//Python的对象最好都自己手动销毁
	Py_CLEAR(resReadWave.samples);
	Py_CLEAR(mfccFeature);
	system("pause");
}

6.编译项目

如果有安装上文的文件结构放置,那cmake会将可执行文件和虚拟环境以及测试文件放入bin目录下,并将虚拟环境的python38.dll移动到exe文件同目录,但附件中不会有bin目录,bin是编译后生成的很占空间,如下图

7.测试

将bin目录扔到虚拟机,模拟一个没有开发环境的客户端,运行exe文件,可以看到运行结果验证和对比,执行100次函数延迟了200ms,算得出做1次调用会比python慢2ms,不过这个可以接受


标签:MFCC,AudioPreprocess,Python,Py,C++,PyObject,python,samples
From: https://www.cnblogs.com/boom-meal/p/18377996

相关文章

  • 学编程的普通人如何通过技术变现,副业月入过万?python兼职,学习
    前言我有一个朋友,在国企工作,月薪一万出头。前几个月他和我说,他辞职了。说实话在这种行情下,敢裸辞的都是勇士,我问他为啥要辞职,他说现在他的副业已经超过主业收入了,上班反而耽误他挣钱,他光靠做副业,最高一个月收入6w+,这比上班香多了,时间还自由。说这个并不是主张让大家辞职,而......
  • 从菜鸟到高手:掌握Python推导式,让代码飞起来,列表、集合、字典,一网打尽,用Python推导式
    "在Python的广阔世界里,隐藏着一种让程序员们爱不释手的秘密武器——推导式。想象一下,你正站在数据处理的战场上,面对着成千上万条数据,需要快速筛选、转换、聚合。这时,你手中的列表推导、集合推导、字典推导就像三把锋利的剑,轻轻一挥,便能将复杂的数据操作化繁为简,让代码如同行云......
  • 【Python数据分析入门】必须掌握的matplotlib绘图语法与常用参数
    掌握绘图基础语法与常用参数掌握pyplot基础语法importmatplotlib.pyplotaspltpyplot基本绘图流程:创建画布与创建子图plt.figure:创建一个空白画布,可指定画布的大小、像素figure.add_sybplot创建并选中子图,可以指定子图的行数、列数和选中图片的编号添加画布内......
  • 基于yolov10的电梯电瓶车、电动车检测系统,支持图像检测,也支持视频和摄像实时检测(pytor
       更多目标检测和图像分类识别项目可看我主页其他文章功能演示:基于yolov10的电梯电瓶车,电动车检测,支持图像、视频和摄像实时检测【pytorch框架、python】_哔哩哔哩_bilibili(一)简介基于yolov10的电梯电瓶车、电动车检测系统是在pytorch框架下实现的,这是一个完整的项目,包......
  • python零基础教学(二)
    元组&列表&字典元组Python的元组与列表类似,不同之处在于元组的元素不能修改,但是元组使用小括号,列表使用方括号,如果你想创建元组,只需要在括号中添加元素,并使用逗号隔开即可元组=(1,2,'哈哈哈')#这就是一个元组,你可以往里面装str,float,int等等列表在元组的基......
  • python常用的算法
    以下是常用的算法及其详细介绍,包括排序算法、查找算法、基础算法和图算法,同时我也会提到每种数据结构的特性、优缺点及使用场景,并给出示例。一、排序算法1.冒泡排序(BubbleSort)冒泡排序是一种简单的排序算法。它通过重复遍历要排序的数列,比较每对相邻元素并交换它们的位......
  • 从零开始学习C++之结构体
    前言之前讲过变量,讲了数据类型(如int等),而结构体就相当于创造一个类型。定义结构体首先,写上一个神圣不可侵犯的(bushi)struct。好了,不开玩笑了。在程序外围定义(一般写在命名空间后面)。struct名字{ 含有的东西。};一定一定要有分号!!!例:定义存储坐标的结构体structzuo......
  • Python爬虫案例二:获取虎牙主播图片(动态网站)
    爬虫流程:优先假设是JSON数据,抓包方式只能翻页JSON数据HTML数据1.异步数据(即先返回HTML,再返回目标的数据,只是触发了JSON请求),不在HTML中2.不能刷新网页,直接翻页测试链接:https://live.huya.com/源代码: importrequests,json,osclassTwo(object):def__ini......
  • 豆瓣评分8.6!Python社区出版的Python故事教程,太强了!
    Python是活力四射的语言,是不断发展中的语言。就连使用Python多年的行者也不敢说对Python的方方面面都了解并可以自由运用,想必读者可能更加无法快速掌握所有重点技巧了。今天给小伙伴们分享的这份手册是用互动的开发故事来探讨Pyfhonic开发的故事书籍,是一本Python语言详解......
  • 豆瓣评分9.0!Python3网络爬虫开发实战,堪称教学典范!
    今天我们所处的时代是信息化时代,是数据驱动的人工智能时代。在人工智能、物联网时代,万物互联和物理世界的全面数字化使得人工智能可以基于这些数据产生优质的决策,从而对人类的生产生活产生巨大价值。在这个以数据驱动为特征的时代,数据是最基础的。数据既可以通过研发产品获得,......