使用 scipy 读取 wav 时如何修复“不完整的 wav 块”错误

Question

我的问题

我正在尝试拟合一个（机器学习）模型，该模型接收音频文件 (.wav) 并从中预测情绪（多标签分类）。
我正在尝试从文件中读取采样率和信号，但是当从scipy.io.wavfile 调用read(filename) 时，我得到ValueError: Incomplete wav chunk.

我尝试过的

1. 我尝试从 scipy.read() 切换到 librosa.read()。
   它们都输出信号和采样率，但由于某种原因，librosa 比scipy 花费的时间成倍增长，这对我的任务来说是不切实际的。

2. 我已经按照here 的建议尝试了sr, y = scipi.io.wavfile.read(open(filename, 'r'))，但无济于事。

3. 我已尝试查看我的文件并检查可能导致它的原因：
   在所有 2084 个 wav 文件中，有 1057 个是好的（=scipy 设法读取它们），并且 1027 错误（=引发错误）。
   我似乎找不到任何关于是什么使文件通过或失败的东西，但尽管如此，这是一个奇怪的结果，因为所有文件都是从同一个 origin 的同一个数据集中获取的。

4. 我听说有人说我可以使用某些软件将文件重新导出为 wav，它应该可以工作。
   我没有尝试这个，因为 a) 我没有任何音频处理软件，这似乎有点矫枉过正，b) 我想了解实际问题而不是贴上创可贴。

   李>

最小的、可重现的例子

假设filenames 是我所有音频文件的子集，包含fn_good 和fn_bad，其中fn_good 是要处理的实际文件，fn_bad 是引发错误的实际文件。

def extract_features(filenames):
    for fn in filenames:
        sr, y = scipy.io.wavfile.read(fn)
        print('Signal is: ', y)
        print('Sample rate is: ', sr)

附加信息

使用VLC，似乎scipy.io.wavfile支持编解码器，但无论哪种情况，两个文件都有相同的编解码器，所以很奇怪它们没有相同的效果...... GOOD 文件的编解码器：

BAD 文件的编解码器：

Answer 1

我通过在文件wavefile.py文件中将这个数字“4”改为“1”来解决问题， 在这种情况下的代码：
- len(chunk_id)

   if not chunk_id:
            raise ValueError("Unexpected end of file.")
        elif len(chunk_id) < 1:
            raise ValueError("Incomplete wav chunk.")

但这只是凭直觉和好运，现在我想知道为什么会这样，可能的原因是什么？

Answer 2

我不知道为什么scipy.io.wavfile 无法读取文件——其中可能存在其他读者忽略的无效块。请注意，即使我使用 scipy.io.wavfile 读取“好”文件，也会生成警告 (WavFileWarning: Chunk (non-data) not understood, skipping it.)：

In [22]: rate, data = wavfile.read('fearful_song_strong_dogs_act10_f_1.wav')                              
/Users/warren/mc37/lib/python3.7/site-packages/scipy/io/wavfile.py:273: WavFileWarning: Chunk (non-data) not understood, skipping it.
  WavFileWarning)

我可以使用wavio（github 上的源代码：wavio）读取'fearful_song_strong_dogs_act06_f_0.wav'，这是我创建的一个包，其中包含 Python 的标准 wave 库以及可以理解 NumPy 数组的函数：

In [13]: import wavio                                                                                     

In [14]: wav = wavio.read('fearful_song_strong_dogs_act06_f_0.wav')                                       

In [15]: wav                                                                                              
Out[15]: Wav(data.shape=(198598, 1), data.dtype=int16, rate=48000, sampwidth=2)

In [16]: plot(np.arange(wav.data.shape[0])/wav.rate, wav.data[:,0])                                       
Out[16]: [<matplotlib.lines.Line2D at 0x117cd9390>]