读取 wav 文件时出现“WAV 音频格式错误”

Question

我有一组想要生成频谱图的 wav 文件。但是当我使用 tf.audio.decode_wav 函数时，我得到以下错误：

InvalidArgumentError：WAV 的音频格式错误：预期为 1 (PCM)，但 got7 [Op:DecodeWav]

如何规避此错误？还有其他方法可以使用 tensorflow 为 wav 文件生成 log mel 频谱图吗？

我知道 librosa 包，但我更喜欢 tensorflow。

代码是：

def decode_audio(audio_binary):
  audio, _ = tf.audio.decode_wav(audio_binary)
  return tf.squeeze(audio, axis=-1)

def get_waveform_and_label(file_path):
  audio_binary = tf.io.read_file(file_path)
  waveform = decode_audio(audio_binary)
  return waveform

Answer 1

该错误告诉您，您的文件表明它们具有编码为 8 位 mulaw 的样本。

如tf.audio.decode_wav 的 TensorFlow 文档中所述，此方法仅支持 16 位 PCM WAV。

在将波形文件传递给 tensorflow 之前，您需要重新编码它们。像 ffmpeg 这样的东西可以在这里提供帮助。