在 Pydub 和 Librosa 之间转换音频文件

Converting Audio files between Pydub and Librosa

我正在尝试在 Librosa 中打开音频文件。 Trim 它,然后使用 pydub 修改它。这是我的代码:

sound = AudioSegment.from_file(filePath)
samples = sound.get_array_of_samples()
arr = np.array(samples)
print(type(arr))
print(arr)
# then modify samples...
y, index = librosa.effects.trim(arr)

问题是,即使我遵循此处概述的解决方案:
https://github.com/jiaaro/pydub/issues/289

我似乎无法使用 librosa 的 trim() 函数。它给我这个错误:

librosa.util.exceptions.ParameterError: Audio data must be floating-point

这样做的原因是,Librosa 需要一个浮点 numpy 数组(并使用它们),而 pydub 导出一个整数数组(我将其转换为 np 数组)。 我不知道如何在 2 之间转换 numpy 数组。

我可以从 Pydub 导出到文件,然后用 Librosa 加载它 - 但这似乎是一种非常低效的做事方式。

包版本:
图书馆 - 0.7.1.
Pydub - 0.23.1

Librosa 符合 arr 数据类型 int,您需要将其转换为 float,如下所示,

arr = np.array(samples).astype(np.float32)

代码:

import librosa
import numpy as np
import os

from pydub import AudioSegment
from pydub.playback import play

sound = AudioSegment.from_file("test.wav")
samples = sound.get_array_of_samples()
new_sound = sound._spawn(samples)
arr = np.array(samples).astype(np.float32)
print(type(arr))
#print(arr)
# then modify samples...
y, index = librosa.effects.trim(arr)
print(index)
print(y) 

修剪后的输出

 <type 'numpy.ndarray'>
[  0 882]
[ 0.00000000e+00  0.00000000e+00  1.07629056e+08  1.07629056e+08
:
:
1.09489754e+09  1.09489754e+09]
def audiosegment_to_librosawav(audiosegment):    
    channel_sounds = audiosegment.split_to_mono()
    samples = [s.get_array_of_samples() for s in channel_sounds]

    fp_arr = np.array(samples).T.astype(np.float32)
    fp_arr /= np.iinfo(samples[0].typecode).max
    fp_arr = fp_arr.reshape(-1)

    return fp_arr

我将此代码用于使用 librosa 的 resemblyzer。 90% 的代码在这里: https://github.com/jiaaro/pydub/blob/master/API.markdown#audiosegmentget_array_of_samples

Anil_M 的代码没有为我将数字转换为浮点数。

Librosa 加载 float32 格式的音频文件,而 pydub 加载 int16 格式的音频文件。

所以,转换很简单:

from pydub import AudioSegment
import librosa

a = AudioSegment.from_wav("test.wav")
b, sr = librosa.load("test.wav")
# librosa to pydub
b_p = np.array(b* (1<<15), dtype=np.int16)
a_p = np.array(a.get_array_of_samples(), dtype=np.int16)
print(b_p)
print(a_p)

array([  7,   9,   8, ..., -12, -46,   0], dtype=int16)
array([  7,   9,   8, ..., -12, -46,   0], dtype=int16)
def convert(filename):
    y, sr = librosa.load(filename)
    # convert from float to uint16
    y = np.array(y * (1<<15), dtype=np.int16)
    audio_segment = pydub.AudioSegment(
        y.tobytes(), 
        frame_rate=sr,
        sample_width=y.dtype.itemsize, 
        channels=1
    )
    return audio_segment