C++调用Python和numpy第三方库计算MFCC音频特征实现封装发布

2024-08-25 01:28
文章标签 python c++ 音频 实现 封装 计算 调用 发布 第三方 特征 numpy mfcc

本文主要是介绍C++调用Python和numpy第三方库计算MFCC音频特征实现封装发布，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

文章目录

  • 项目简介
  • 环境准备
  • 执行步骤
    • 1.新建python虚拟环境
    • 2.虚拟环境运行下python代码
    • 3.迁移虚拟环境
    • 4.编写Cmakelists.txt
    • 5.编写C++代码
    • 6.编译项目
    • 7.测试

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。

在这里插入图片描述# 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和爆米算法，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

在这里插入图片描述

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

在这里插入图片描述

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 npdef 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 = numcepself.keepSecs = keepSecsdef 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, samplesdef 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 mfccFeaturedef 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 mfccFeatureif __name__ == "__main__":import timepath = "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

在这里插入图片描述

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0AudioPreprocess(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58npy_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11.31785676885986npy_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GILchar* 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

在这里插入图片描述

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

在这里插入图片描述

这篇关于C++调用Python和numpy第三方库计算MFCC音频特征实现封装发布的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/1104160。

相关文章

Oracle查询优化之高效实现仅查询前10条记录的方法与实践

Oracle查询优化之高效实现仅查询前10条记录的方法与实践

《Oracle查询优化之高效实现仅查询前10条记录的方法与实践》：本文主要介绍Oracle查询优化之高效实现仅查询前10条记录的相关资料,包括使用ROWNUM、ROW_NUMBER()函数、FET... 目录1. 使用 ROWNUM 查询2. 使用 ROW_NUMBER() 函数3. 使用 FETCH FI
阅读更多...
Python脚本实现自动删除C盘临时文件夹

Python脚本实现自动删除C盘临时文件夹

《Python脚本实现自动删除C盘临时文件夹》在日常使用电脑的过程中,临时文件夹往往会积累大量的无用数据,占用宝贵的磁盘空间,下面我们就来看看Python如何通过脚本实现自动删除C盘临时文件夹吧... 目录一、准备工作二、python脚本编写三、脚本解析四、运行脚本五、案例演示六、注意事项七、总结在日常使用
阅读更多...
Java实现Excel与HTML互转

Java实现Excel与HTML互转

《Java实现Excel与HTML互转》Excel是一种电子表格格式,而HTM则是一种用于创建网页的标记语言,虽然两者在用途上存在差异,但有时我们需要将数据从一种格式转换为另一种格式,下面我们就来看看... Excel是一种电子表格格式，广泛用于数据处理和分析，而HTM则是一种用于创建网页的标记语言。虽然两
阅读更多...
Java中Springboot集成Kafka实现消息发送和接收功能

Java中Springboot集成Kafka实现消息发送和接收功能

《Java中Springboot集成Kafka实现消息发送和接收功能》Kafka是一个高吞吐量的分布式发布-订阅消息系统,主要用于处理大规模数据流,它由生产者、消费者、主题、分区和代理等组件构成,Ka... 目录一、Kafka 简介二、Kafka 功能三、POM依赖四、配置文件五、生产者六、消费者一、Kaf
阅读更多...
Python将大量遥感数据的值缩放指定倍数的方法(推荐)

Python将大量遥感数据的值缩放指定倍数的方法(推荐)

《Python将大量遥感数据的值缩放指定倍数的方法(推荐)》本文介绍基于Python中的gdal模块,批量读取大量多波段遥感影像文件,分别对各波段数据加以数值处理,并将所得处理后数据保存为新的遥感影像... 本文介绍基于python中的gdal模块，批量读取大量多波段遥感影像文件，分别对各波段数据加以数值处
阅读更多...
python管理工具之conda安装部署及使用详解

python管理工具之conda安装部署及使用详解

《python管理工具之conda安装部署及使用详解》这篇文章详细介绍了如何安装和使用conda来管理Python环境,它涵盖了从安装部署、镜像源配置到具体的conda使用方法,包括创建、激活、安装包... 目录pytpshheraerUhon管理工具：conda部署+使用一、安装部署1、 下载2、 安装3
阅读更多...
Python进阶之Excel基本操作介绍

Python进阶之Excel基本操作介绍

《Python进阶之Excel基本操作介绍》在现实中,很多工作都需要与数据打交道,Excel作为常用的数据处理工具,一直备受人们的青睐,本文主要为大家介绍了一些Python中Excel的基本操作,希望... 目录概述写入使用 xlwt使用 XlsxWriter读取修改概述在现实中，很多工作都需要与数据打交
阅读更多...
使用Python实现在Word中添加或删除超链接

使用Python实现在Word中添加或删除超链接

《使用Python实现在Word中添加或删除超链接》在Word文档中,超链接是一种将文本或图像连接到其他文档、网页或同一文档中不同部分的功能,本文将为大家介绍一下Python如何实现在Word中添加或... 在Word文档中，超链接是一种将文本或图像连接到其他文档、网页或同一文档中不同部分的功能。通过添加超
阅读更多...
windos server2022里的DFS配置的实现

windos server2022里的DFS配置的实现

《windosserver2022里的DFS配置的实现》DFS是WindowsServer操作系统提供的一种功能,用于在多台服务器上集中管理共享文件夹和文件的分布式存储解决方案,本文就来介绍一下wi... 目录什么是DFS？优势：应用场景：DFS配置步骤什么是DFS？DFS指的是分布式文件系统（Distr
阅读更多...
NFS实现多服务器文件的共享的方法步骤

NFS实现多服务器文件的共享的方法步骤

《NFS实现多服务器文件的共享的方法步骤》NFS允许网络中的计算机之间共享资源,客户端可以透明地读写远端NFS服务器上的文件,本文就来介绍一下NFS实现多服务器文件的共享的方法步骤,感兴趣的可以了解一... 目录一、简介二、部署1、准备1、服务端和客户端：安装nfs-utils2、服务端：创建共享目录3、服
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2