这是构建语音识别系统的第一步，因为它有助于理解音频信号的结构。处理音频信号可以遵循以下一些常见步骤：

录制

当您需要从文件中读取音频信号时，首先使用麦克风录制它。

采样

使用麦克风录制时，信号以数字化形式存储。但要对其进行处理，机器需要将其转换为离散的数值形式。因此，我们应该以一定的频率进行采样，并将信号转换为离散的数值形式。选择高采样频率意味着当人类聆听信号时，会感觉它是连续的音频信号。

示例

以下示例展示了使用 Python 分析存储在文件中的音频信号的分步方法。此音频信号的频率为 44,100 Hz。

导入必要的包，如下所示：

import numpy as np
import matplotlib.pyplot as plt
from scipy.io import wavfile

现在，读取存储的音频文件。它将返回两个值：采样频率和音频信号。提供音频文件存储的路径，如下所示：

frequency_sampling, audio_signal = wavfile.read("/Users/admin/audio_file.wav")

使用以下命令显示音频信号的采样频率、信号的数据类型及其持续时间等参数：

print('\nSignal shape:', audio_signal.shape)
print('Signal Datatype:', audio_signal.dtype)
print('Signal duration:', round(audio_signal.shape[0] /
float(frequency_sampling), 2), 'seconds')

这一步涉及对信号进行归一化，如下所示：

audio_signal = audio_signal / np.power(2, 15)

在这一步中，我们从这个信号中提取前 100 个值进行可视化。为此，使用以下命令：

audio_signal = audio_signal[:100]
time_axis = 1000 * np.arange(0, len(audio_signal), 1) / float(frequency_sampling)

现在，使用以下命令可视化信号：

plt.plot(time_axis, audio_signal, color='blue')
plt.xlabel('Time (milliseconds)')
plt.ylabel('Amplitude')
plt.title('Input audio signal')
plt.show()

您将能够看到输出图表和为上述音频信号提取的数据，如下所示：

Signal shape: (132300,)
Signal Datatype: int16
Signal duration: 3.0 seconds