如何将 wav 文件填充到特定长度？答案

【问题标题】：How can i pad wav file to specific length?如何将 wav 文件填充到特定长度？
【发布时间】：2022-02-02 06:32:20
【问题描述】：

我正在使用波形文件来制作深度学习模型它们的长度不同，所以我想把它们都垫起来使用 python 到 16 秒长度

【问题讨论】：

可能会签出stackoverflow.com/questions/46757852/…
这可以使用scipy.io.wavfile、pydub 或纯 Python 来完成（使用 wav 模块——尽管级别较低且更乏味）。你关心使用哪种工具？

【解决方案1】：

如果我理解正确，问题是要将所有长度固定为给定长度。因此，解决方案会略有不同：

from pydub import AudioSegment

pad_ms = 1000  # Add here the fix length you want (in milliseconds)
audio = AudioSegment.from_wav('you-wav-file.wav')
assert pad_ms > len(audio), "Audio was longer that 1 second. Path: " + str(full_path)
silence = AudioSegment.silent(duration=pad_ms-len(audio)+1)


padded = audio + silence  # Adding silence after the audio
padded.export('padded-file.wav', format='wav')

这个答案与this one 不同，因为这个答案创建了相同长度的所有音频，而另一个答案在最后添加了相同大小的静音。

【讨论】：

【解决方案2】：

使用pydub：

from pydub import AudioSegment

pad_ms = 1000  # milliseconds of silence needed
silence = AudioSegment.silent(duration=pad_ms)
audio = AudioSegment.from_wav('you-wav-file.wav')

padded = audio + silence  # Adding silence after the audio
padded.export('padded-file.wav', format='wav')

AudioSegment 对象是不可变的

【讨论】：

【解决方案3】：

您可以使用Librosa。 Librosa.util.fix_length 函数通过将 zeros 附加到 end 包含音频数据的 numpy 数组来为音频文件添加静音补丁：

from librosa import load
from librosa.util import fix_length


file_path = 'dir/audio.wav'

sf = 44100 # sampling frequency of wav file
required_audio_size = 5 # audio of size 2 second needs to be padded to 5 seconds
audio, sf = load(file_path, sr=sf, mono=True) # mono=True converts stereo audio to mono
padded_audio = fix_length(audio, size=5*sf) # array size is required_audio_size*sampling frequency


print('Array length before padding', np.shape(audio))
print('Audio length before padding in seconds', (np.shape(audio)[0]/fs))
print('Array length after padding', np.shape(padded_audio))
print('Audio length after padding in seconds', (np.shape(padded_audio)[0]/fs))

输出：

Array length before padding (88200,)
Audio length before padding in seconds 2.0
Array length after padding (220500,)
Audio length after padding in seconds 5.0

尽管查看了许多类似的问题，但似乎pydub.AudioSegment 是解决方案。

【讨论】：