pyaudio 字节数据到 librosa 浮点时间序列
pyaudio bytes data to librosa floating point time series
当使用带有 paInt16 的 pyaudio 录制音频时，它给了我表示为两个字节的 16 位整数。经过一些研究，我得出结论，它必须在 -32768 到 32767 之间。
我将音频保存为 wav 文件并使用 librosa.core.load 加载它。
我确实检索了浮点值 * 32767 并查看它是否生成原始的 16 位整数，但它根本不匹配。
我的问题是
- 这种不匹配是从哪里来的？
- 原始16位整数数据代表频率吗？
- librosa 文档声明加载函数 returns
floating point time series。你如何从原始的 16 位整数计算出这个值？
在研究和探索 librosa 代码之后，这是我的发现。
不匹配是因为 wav 字节数组是小端
表示称为Pulse-code modulation(PCM). Each sample (single integer) represents the magnitude of audio scaled to the range of prespecified bit range, (usually 16 bits). refer audio bit depth 详情
给定 PCM 是 16 位表示，每个样本的范围是 [-32768, 32767]。 librosa 只需将 16 位转换为带符号的 short 并除以 32768（不是 32767！）以缩小到 [-1, 1] 范围。具体换算请参考my sample code
当使用带有 paInt16 的 pyaudio 录制音频时，它给了我表示为两个字节的 16 位整数。经过一些研究，我得出结论，它必须在 -32768 到 32767 之间。
我将音频保存为 wav 文件并使用 librosa.core.load 加载它。
我确实检索了浮点值 * 32767 并查看它是否生成原始的 16 位整数，但它根本不匹配。
我的问题是
- 这种不匹配是从哪里来的？
- 原始16位整数数据代表频率吗？
- librosa 文档声明加载函数 returns
floating point time series。你如何从原始的 16 位整数计算出这个值？
在研究和探索 librosa 代码之后，这是我的发现。
不匹配是因为 wav 字节数组是小端
表示称为Pulse-code modulation(PCM). Each sample (single integer) represents the magnitude of audio scaled to the range of prespecified bit range, (usually 16 bits). refer audio bit depth 详情
给定 PCM 是 16 位表示，每个样本的范围是 [-32768, 32767]。 librosa 只需将 16 位转换为带符号的 short 并除以 32768（不是 32767！）以缩小到 [-1, 1] 范围。具体换算请参考my sample code