wave.Error: unknown format: 3 arises when trying to convert a wav file into text in Python

Question

我需要从麦克风录制一段音频并将其转换为文本。我已经使用从网上下载的几个音频片段尝试了这个转换过程，并且效果很好。但是，当我尝试转换从麦克风录制的音频剪辑时，出现以下错误。

回溯（最后一次调用）：文件 "C:\Users\HP\AppData\Local\Programs\Python\Python37\lib\site-packages\speech_recognition__init__.py"，第 203 行，在 中输入 self.audio_reader = wave.open(self.filename_or_fileobject, "rb") 文件 "C:\Users\HP\AppData\Local\Programs\Python\Python37\lib\wave.py"，第 510 行，打开 return Wave_read(f) 文件 "C:\Users\HP\AppData\Local\Programs\Python\Python37\lib\wave.py"，第 164 行，在 init 中 self.initfp(f) initfp 中的文件 "C:\Users\HP\AppData\Local\Programs\Python\Python37\lib\wave.py"，第 144 行 self._read_fmt_chunk（块）文件 "C:\Users\HP\AppData\Local\Programs\Python\Python37\lib\wave.py"，第 269 行，在 _read_fmt_chunk 中引发错误('unknown format: %r' % (wFormatTag,)) wave.Error：未知格式：3

我正在尝试的代码如下。

import speech_recognition as sr
import sounddevice as sd
from scipy.io.wavfile import write

# recording from the microphone
fs = 44100  # Sample rate
seconds = 3  # Duration of recording

myrecording = sd.rec(int(seconds * fs), samplerate=fs, channels=2)
sd.wait()  # Wait until recording is finished
write('output.wav', fs, myrecording)  # Save as WAV file
sound = "output.wav"
recognizer = sr.Recognizer()

with sr.AudioFile(sound) as source:
     recognizer.adjust_for_ambient_noise(source)
     print("Converting audio file to text...")
     audio = recognizer.listen(source)

     try:
          text = recognizer.recognize_google(audio)
          print("The converted text:" + text)

     except Exception as e:
          print(e)

我看了类似的问题回答，他们说我们需要把它转换成不同的wav格式。有人可以为我提供可用于此转换的代码或库吗？提前谢谢你。

Answer 1

您以浮点格式写入文件：

soxi output.wav 

Input File     : 'output.wav'
Channels       : 2
Sample Rate    : 44100
Precision      : 25-bit
Duration       : 00:00:03.00 = 132300 samples = 225 CDDA sectors
File Size      : 1.06M
Bit Rate       : 2.82M
Sample Encoding: 32-bit Floating Point PCM

wave模块无法读取

要存储 int16 格式，请这样做：

import numpy as np
myrecording = sd.rec(int(seconds * fs), samplerate=fs, channels=2)
sd.wait()  # Wait until recording is finished
write('output.wav', fs, myrecording.astype(np.int16))  # Save as WAV file in 16-bit format

Answer 2

方法一

您听不到任何声音，因为您将浮点值转换为不正确的整数。在 WAV 文件中，信号中的浮点值从 -1 到 1，而 16 位 PCM（整数）值从 -32,768 到 32,767。所以本质上，你的信号是从
之类的东西转换而来的 [-1.4240753e-05, 4.3602209e-05, 1.0526689e-06, ..., 1.7763522e-02, 1.6644333e-02, 6.7148944e-03]
至
[0, 0, 0, ..., 0, 0, 0]

以上转换不正确。

要将文件正确转换为整数（PCM 格式），您需要convert 而不是cast。下面给出了这样做的一种方法 `def float2pcm(sig, dtype='int16'): 信号 = np.asarray(信号) dtype = np.dtype(dtype)

i = np.iinfo(dtype)
abs_max = 2 ** (i.bits - 1)
offset = i.min + abs_max
return (sig * abs_max + offset).clip(i.min, i.max).astype(dtype)`

所以你可以在使用sd.wait行后使用下面的代码

float2pcm(myrecording)

方法二

解决问题的另一种（更简单）方法是使用 sounddevice 库的功能通过调用以下函数进行记录来在内部执行此操作。

import numpy as np
myrecording = sd.rec(int(seconds * fs), samplerate=fs, channels=2, dtype=np.int16)

wave.Error: unknown format: 3 arises when trying to convert a wav file into text in Python

wave.Error: unknown format: 3 arises when trying to convert a wav file into text in Python

python

wav

speech-to-text

voice-recording

方法一

方法二