2

我正在尝试使用最初为 .SPH 格式的音频文件来训练神经网络。我需要获取表示神经网络声波幅度的整数，所以我使用sox通过调用sox infile.SPH outfile.wav remix 1-2（remix for convert 2 channels into 1）将文件转换为.wav格式，然后尝试 [y, Fs, nbits, opts] = wavread('outfile.wav')在matlab中使用以获得整数表示。

但是，matlab 抛出了Data compression format (CCITT mu-law) is not supported. 所以我使用sox infile.SPH -b 16 -e signed-integer -c 1 outfile.wav 了我认为将波形文件置于线性格式而不是 mu-law 的方法。但是现在matlab又抛出了一个错误：Invalid Wave File. Reason: Cannot open file.

我的音频文件是 8000 Hz u-law 单声道或双声道，我认为都是 8 位的（肯定是 8 位的）。

  1. 有没有办法使用 matlab 或任何其他程序从音频文件中获取整数表示？u-law 或线性都可以，除非一个更适合神经网络训练。最好是 8 位，因为源文件是 8 位的。

  2. 我不太明白.SPH。对于未压缩的（并忽略标题），文件是否存储幅度（猜测它必须以某种方式）？我可以直接从这些文件中提取数字而不用担心波浪吗？信号是否以顺序方式存储，以便拆分音频文件有意义？

我一般是音频处理的新手，所以任何指针都将不胜感激！

4

1 回答 1

0

您需要清楚地确定主要任务：为神经网络提供向量或矩阵。所以第一步是处理音频文件（没有matlab！）以获得wav文件。第二步是用matlab设置/训练神经网络。

我会尝试解压缩“sph”文件，然后将它们转换为“wav”（例如，请参阅此处和此处的说明）。

最后，在命令/终端窗口中使用 sox 比在 matlab 控制台中使用更好。

于 2013-07-24T09:58:37.727 回答