用`tf.audio.decode_wav`读取` `wav`‘文件

Question

我遵循音频的tensorflow音频识别教程。这个笔记本工作得很好。

作为下一步，我想录制我自己的声音，然后通过在tensorflow培训的模型进行测试。我首先生成了一段录音：

seconds=1
sr=16000
nchannels=1
myrecording = sd.rec(int(seconds * sr), samplerate=sr, channels=nchannels)
sd.wait()
wavfile.write(filename, sr, myrecording)

到目前为止，我可以播放我的录音。但是，当我尝试使用类似于以下内容的tf.audio.decode_wav加载文件时：

audio_binary = tf.io.read_file(filename)
audio, _ = tf.audio.decode_wav(audio_binary)

我得到以下错误：

InvalidArgumentError: WAV的坏音频格式:预期1 (PCM)，但got3操作:DecodeWav

任何关于可能出错的指示都会受到极大的赞赏。

Answer 1

(我会把这写成评论，但我还没有足够的声誉)

WAV文件的默认编码称为"16位PCM"，这意味着录制的声音在写入WAV文件之前使用16位int数据表示。

tf.audio.decode_wav()在文档中声明：“将16位PCM文件解码为浮动张量”。因此，使用任何其他编码(在您的示例中为24位编码)传递WAV文件将导致与您所收到的错误相同的错误。

Answer 2

终于解决了。它与位表示有关。我在24-bit中创建了一个文件，而出于某种原因，tf.audio.decode_wav只接收16位文件。

我不清楚为什么，但我认为这是目前解决的。

Answer 3

您正在使用的scipy.wavfile.write函数不会自动以16位格式保存wav文件。因此，从参考文献中的示例来看，您应该这样做：

import numpy as np
from scipy.wavfile import write

# your other code here
write(filename, sr, myrecording.astype(np.int16))