在 Tensorflow 2 中导入 wav 文件

Question

使用 Python 3.7 和 Tensorflow 2.0，我很难从 UrbanSounds 数据集中读取 wav 文件。很有帮助，因为他们解释说输入必须是字符串张量，但似乎很难通过文件中编码的初始元数据并获得真实数据。在将字符串作为 float32 张量加载之前，我是否必须对其进行预处理？我已经不得不通过将数据从 24 位 wav 下采样到 16 位 wav 来预处理数据，因此数据输入管道比我预期的要麻烦得多。所需的下采样尤其令人沮丧。这是我目前正在尝试的：

import tensorflow as tf  # this is TensorFlow 2.0

path_to_wav_file = '/mnt/d/Code/UrbanSounds/audio/fold1/101415-3-0-2.wav'
# Turn the wav file into a string tensor
input_data = tf.io.read_file(path_to_wav_file)
# Convert the string tensor to a float32 tensor
audio, sampling_rate = tf.audio.decode_wav(input_data)

这是我在最后一步遇到的错误：

2019-10-08 20:56:09.124254: W tensorflow/core/framework/op_kernel.cc:1546] OP_REQUIRES failed at decode_wav_op.cc:55 : Invalid argument: Header mismatch: Expected fmt  but found junk
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/anaconda3/envs/tf2/lib/python3.7/site-packages/tensorflow/python/ops/gen_audio_ops.py", line 216, in decode_wav
    _six.raise_from(_core._status_to_exception(e.code, message), None)
  File "<string>", line 3, in raise_from
tensorflow.python.framework.errors_impl.InvalidArgumentError: Header mismatch: Expected fmt  but found junk [Op:DecodeWav]

这是字符串张量的开头。我不是 wav 文件专家，但我认为 "fmt" 之后的部分是实际音频数据开始的地方。在那之前，我认为这是关于文件的所有元数据。

data.numpy()[:70]
b'RIFFhb\x05\x00WAVEjunk\x1c\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00fmt \x10\x00\x00\x00\x01\x00\x01\x00D\xac\x00\x00\x88X\x01\x00\x02\x00'

Answer 1

您的代码似乎无法处理双声道音频文件。该代码适用于单声道 wav 文件。在您的情况下，您可以尝试使用 scipy。

from scipy.io import wavfile as wav
sampling_rate, data =  wav.read('101415-3-0-2.wav')

Answer 2

您的错误似乎与 TensorFlow 期望 fmt 部分作为开头有关。

处理的TensorFlow代码可以在这里找到：https://github.com/tensorflow/tensorflow/blob/c9cd1784bf287543d89593ca1432170cdbf694de/tensorflow/core/lib/wav/wav_io.cc#L225

还有一个悬而未决的问题，等待 TensorFlow 团队的回复，该问题大致涵盖了您提供的相同错误。 https://github.com/tensorflow/tensorflow/issues/32382

其他库只是跳过垃圾部分，所以它与它们一起工作。

在 Tensorflow 2 中导入 wav 文件

Import wav file in Tensorflow 2

wav

tensorflow2.0