问题标签 [soundfile]

我一直在学习声音分析，并且在其中遇到了术语 mfcc。所以当我执行时， librosa.feature.mfcc(y=X, sr=sample_rate, n_mfcc=40) 我得到了形状为 40 x 216 的 numpy 数组。所以我知道我已经在 216 帧中提取了 40 个特征。但是在这里，帧的确切含义是什么，它类似于采样率以及我们在加载音频文件时定义它的位置。

我想知道是否有人知道如何打开和编辑原始声音文件（原始无符号 8 位）。我正在制作自己的游戏并尝试创作原创的 8 位音乐。我无法打开 SoX，并且我拥有的所有其他编辑器都无法正确播放这些频率。我感谢所有帮助。

我正在尝试将音频文件拆分为给定数量的 NumPy 块并将它们放入 RAM 中播放，就像play_a_very_long_sound_file一样。不幸的是，我相信我缺乏对 NumPy 数组和音频文件的一般知识。一旦这段代码工作，我想在回调函数中添加一个录制过程。使用我目前拥有的代码，我得到：

这发生在if回调函数的第二个块中。我正在尝试在outdata块的末尾添加零，但不确定如何去做。

另一个奇怪的事情是我只得到一个从 numpy 返回的数组soundfile.read()，它通常返回一个 numpy 数组和一个采样率。但我假设这是由于我将其分解为框架造成的。

我目前正在处理一些音频数据。我有一个音频文件，它是通过使用 pydub 将较大的文件拆分为静音而创建的。

但是，如果我在使用 pydub 导出此音频文件后将其获取，然后将 AudioSegment 的数组转换为 numpy 数组，并使用 soundfile 重新写入，我得到的音频文件写入速度约为原来的一半。可能出了什么问题？

我正在尝试使用 预处理要在神经网络中使用soundfile.read()的音频文件，但是对于具有相同采样率和长度的不同 .FLAC 文件，该函数对返回的数据进行了不同的格式化。例如，调用data, sr = soundfile.read(audiofile1)生成一个具有形状的数组data.shape = (48000, 2)（其中单个元素的值是幅度，0 或 NumPy float64 中的负幅度），而调用data, sr = soundfile.read(audiofile2)生成一个具有形状的数组data.shape = (48000,)（其中单个元素的值在 NumPy float64 中变化）。

此外，如果有帮助的话，audiofile1是从通过 PyAudio 拍摄的录音中提取的录音，而是audiofile2来自 LibriSpeech 语料库的样本。

所以，我的问题是双重的：

为什么会soundfile.read()产生两种不同的数据格式，如何确保该函数将来返回相同格式的数组？

我有一个脚本，可以加载、重新采样、重命名音频数据并将其保存到新的（或相同的）位置。

在过去的两天里，我一直在尝试在 Google Cloud 上运行这个脚本。对于 8 个 CPU，此操作大约需要 8 小时。我今天有6个小时，它变成了梨形。

不幸的是，我在过程中的某个随机点不断遇到系统错误：

现在，我读到这个系统错误通常是因为文件路径不存在。但是，由于我是在尝试打开文件之前创建文件，所以我认为这是不可能的：

所以，我认为路径错误不是问题，因为它是定义和创建的。

这是完整的脚本：

传递给 的三个辅助函数multiprocessing.Pool是：

我正在尝试在 Anaconda 环境中安装 librosa，我创建了一个全新并已安装的 librosa，但是即使我重新安装 cffi 包、audioread 等，我仍然会遇到这个问题。我不确定如何解决这个问题。

我正在尝试遍历大量音频文件，并希望将它们切成 5 秒的片段。

该问题的相关代码如下。

我收到一个错误：“AttributeError：'bytes' 对象没有属性 'seek'”

我很欣赏该文件是字节格式的，但是我尝试将其转换为字符串等，但没有成功，因为这样做时出现权限被拒绝错误。

我正在尝试在我的 docker 容器上通过 pip install 安装声音文件。可悲的是我需要自己libsndfile1手动安装apt get。这以某种方式失败了，我真的不明白为什么，有人知道如何安装它。

我在 Win10 上运行 docker desktop - 但容器最终将在 Linux 机器上运行。

有人知道吗？

我有一个原始文件0.flac，我只是用它打开librosa然后另存SoundFile为1.flac：

但是文件大小和文件本身似乎已更改：

元数据块较少，最大帧大小不同。这可能是什么原因？通过 librosa 加载文件是否有损？