游雁
2023-11-16 4ace5a95b052d338947fc88809a440ccd55cf6b4
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
import os
from funasr.utils.job_runner import MultiProcessRunnerV3
import numpy as np
from funasr.utils.misc import load_scp_as_list, load_scp_as_dict
from collections import OrderedDict
from tqdm import tqdm
from scipy.ndimage import median_filter
import kaldiio
 
 
def load_mid_vad(vad_path):
    mid2segment_list = {}
    for one_line in open(vad_path, "rt"):
        utt_id, mid, start, end = one_line.strip().split(" ")
        start, end = float(start), float(end)
        if mid not in mid2segment_list:
            mid2segment_list[mid] = []
        mid2segment_list[mid].append((utt_id, start, end))
 
    return mid2segment_list
 
 
class MyRunner(MultiProcessRunnerV3):
    def prepare(self, parser):
        parser.add_argument("label_txt", type=str)
        parser.add_argument("oracle_vad", type=str, default=None)
        parser.add_argument("out_rttm", type=str)
        parser.add_argument("--sys_vad_prob", type=str, default=None)
        parser.add_argument("--sys_vad_threshold", type=float, default=None)
        parser.add_argument("--vad_smooth_size", type=int, default=7)
        parser.add_argument("--n_spk", type=int, default=4)
        parser.add_argument("--chunk_len", type=int, default=1600)
        parser.add_argument("--shift_len", type=int, default=400)
        parser.add_argument("--ignore_len", type=int, default=5)
        parser.add_argument("--smooth_size", type=int, default=7)
        parser.add_argument("--vote_prob", type=float, default=0.5)
        args = parser.parse_args()
 
        if not os.path.exists(os.path.dirname(args.out_rttm)):
            os.makedirs(os.path.dirname(args.out_rttm))
 
        utt2labels = load_scp_as_list(args.label_txt, 'list')
        utt2vad_prob = []
        if args.sys_vad_prob is not None and os.path.exists(args.sys_vad_prob):
            if args.verbose:
                print("Use system vad ark file {}".format(args.sys_vad_prob))
            for (key, vad_prob), (utt_id, _) in zip(kaldiio.load_ark(args.sys_vad_prob), utt2labels):
                utt2vad_prob.append((utt_id, vad_prob))
            utt2vad_prob = sorted(utt2vad_prob, key=lambda x: x[0])
 
        utt2labels = sorted(utt2labels, key=lambda x: x[0])
        mid2segment_list = load_mid_vad(args.oracle_vad)
        meeting2labels = OrderedDict()
        for utt_id, chunk_label in utt2labels:
            mid = utt_id.split("-")[0]
            if mid not in meeting2labels:
                meeting2labels[mid] = []
            meeting2labels[mid].append(chunk_label)
 
        mid2vad_list = {}
        if len(utt2vad_prob) > 0:
            for utt_id, vad_prob in utt2vad_prob:
                mid = utt_id.split("-")[0]
                if mid not in mid2vad_list:
                    mid2vad_list[mid] = []
                mid2vad_list[mid].append(vad_prob)
 
        task_list = [(mid, labels, mid2segment_list[mid], None) if len(mid2vad_list) == 0 else
                     (mid, labels, mid2segment_list[mid], mid2vad_list[mid])
                     for mid, labels in meeting2labels.items()]
 
        return task_list, None, args
 
    def post(self, result_list, args):
        ref_vad_rttm = open(args.out_rttm + ".ref_vad", "wt")
        sys_vad_rttm = open(args.out_rttm + ".sys_vad", "wt")
        for results in result_list:
            for one_result in results:
                ref_vad_rttm.writelines(one_result[0])
                sys_vad_rttm.writelines(one_result[1])
        ref_vad_rttm.close()
        sys_vad_rttm.close()
 
 
def int2vec(x, vec_dim=8, dtype=np.int):
    b = ('{:0' + str(vec_dim) + 'b}').format(x)
    # little-endian order: lower bit first
    return (np.array(list(b)[::-1]) == '1').astype(dtype)
 
 
def seq2arr(seq, vec_dim=8):
    return np.row_stack([int2vec(int(x), vec_dim) for x in seq])
 
 
def sample2ms(sample, sr=16000):
    return int(float(sample) / sr * 100)
 
 
def calc_multi_labels(chunk_label_list, chunk_len, shift_len, n_spk, vote_prob=0.5):
    n_chunk = len(chunk_label_list)
    last_chunk_valid_frame = len(chunk_label_list[-1]) - (chunk_len - shift_len)
    n_frame = (n_chunk - 2) * shift_len + chunk_len + last_chunk_valid_frame
    multi_labels = np.zeros((n_frame, n_spk), dtype=float)
    weight = np.zeros((n_frame, 1), dtype=float)
    for i in range(n_chunk):
        raw_label = chunk_label_list[i]
        for k in range(len(raw_label)):
            if raw_label[k] == '<unk>':
                raw_label[k] = raw_label[k-1] if k > 0 else '0'
        chunk_multi_label = seq2arr(raw_label, n_spk)
        chunk_len = chunk_multi_label.shape[0]
        multi_labels[i*shift_len:i*shift_len+chunk_len, :] += chunk_multi_label
        weight[i*shift_len:i*shift_len+chunk_len, :] += 1
    multi_labels = multi_labels / weight  # normalizing vote
    multi_labels = (multi_labels > vote_prob).astype(int)  # voting results
    return multi_labels
 
 
def calc_spk_turns(label_arr, spk_list):
    turn_list = []
    length = label_arr.shape[0]
    n_spk = label_arr.shape[1]
    for k in range(n_spk):
        if spk_list[k] == "None":
            continue
        in_utt = False
        start = 0
        for i in range(length):
            if label_arr[i, k] == 1 and in_utt is False:
                start = i
                in_utt = True
            if label_arr[i, k] == 0 and in_utt is True:
                turn_list.append([spk_list[k], start, i - start])
                in_utt = False
        if in_utt:
            turn_list.append([spk_list[k], start, length - start])
    return turn_list
 
 
def smooth_multi_labels(multi_label, win_len):
    multi_label = median_filter(multi_label, (win_len, 1), mode="constant", cval=0.0).astype(int)
    return multi_label
 
 
def calc_vad_mask(segments, total_len):
    vad_mask = np.zeros((total_len, 1), dtype=int)
    for _, start, end in segments:
        start, end = int(start * 100), int(end * 100)
        vad_mask[start: end] = 1
    return vad_mask
 
 
def calc_system_vad_mask(vad_prob_list, total_len, args):
    if vad_prob_list is None:
        return 1
 
    threshold = args.sys_vad_threshold
    chunk_len = args.chunk_len
    shift_len = args.shift_len
    frame_vad_mask = np.zeros((total_len, 1), dtype=float)
    weight = np.zeros((total_len, 1), dtype=float)
    for i, vad_prob in enumerate(vad_prob_list):
        frame_vad_mask[i * shift_len: i * shift_len + chunk_len] += np.greater(vad_prob, threshold).astype(float)
        weight[i * shift_len: i * shift_len + chunk_len] += 1.0
    frame_vad_mask = np.greater(frame_vad_mask / weight, args.vote_prob)
    frame_vad_mask = frame_vad_mask.astype(int)
    frame_vad_mask = smooth_multi_labels(frame_vad_mask.astype(int), args.vad_smooth_size)
    return frame_vad_mask
 
 
def generate_rttm(mid, multi_labels, spk_list, args):
    template = "SPEAKER {} 0 {:.2f} {:.2f} <NA> <NA> {} <NA> <NA>\n"
    spk_turns = calc_spk_turns(multi_labels, spk_list)
    spk_turns = sorted(spk_turns, key=lambda x: x[1])
    results = []
    for spk, st, dur in spk_turns:
        # TODO: handle the leak of segments at the change points
        if dur > args.ignore_len:
            results.append(template.format(mid, float(st) / 100, float(dur) / 100, spk))
    return results
 
 
def process(task_args):
    _, task_list, _, args = task_args
    spk_list = ["spk{}".format(i+1) for i in range(args.n_spk)]
    results = []
    for mid, chunk_label_list, segments_list, sys_vad_list in tqdm(task_list, total=len(task_list),
                                                                   ascii=True, disable=args.no_pbar):
        multi_labels = calc_multi_labels(chunk_label_list, args.chunk_len, args.shift_len, args.n_spk, args.vote_prob)
        multi_labels = smooth_multi_labels(multi_labels, args.smooth_size)
        oracle_vad_mask = calc_vad_mask(segments_list, multi_labels.shape[0])
        oracle_vad_rttm = generate_rttm(mid, multi_labels * oracle_vad_mask, spk_list, args)
        system_vad_mask = calc_system_vad_mask(sys_vad_list, multi_labels.shape[0], args)
        system_vad_rttm = generate_rttm(mid, multi_labels * system_vad_mask, spk_list, args)
        results.append([oracle_vad_rttm, system_vad_rttm])
    return results
 
 
if __name__ == '__main__':
    my_runner = MyRunner(process)
    my_runner.run()