[英]Reading a wav file with scipy and librosa in python
我正在尝试使用scipy文件夹在Python中加载.wav
文件。 我的最终目标是创建该音频文件的频谱图。 读取文件的代码可以总结如下:
import scipy.io.wavfile as wav
(sig, rate) = wav.read(_wav_file_)
对于某些.wav
文件,我收到以下错误:
WavFileWarning:不理解块(非数据),将其跳过。 WavFileWarning)** ValueError:不完整的wav块。
因此,我决定使用librosa通过以下方式读取文件:
import librosa
(sig, rate) = librosa.load(_wav_file_, sr=None)
在所有情况下都可以正常工作,但是,我注意到频谱图的颜色有所不同。 虽然它是相同的确切数字,但是颜色却是相反的。 更具体地说,我注意到,当保持相同的功能来计算规格并仅更改我阅读.wav
的方式时,会有这种差异。 知道会产生什么东西吗? 两种方法读取.wav
文件的方式之间是否存在默认差异?
编辑:
(rate1, sig1) = wav.read(spec_file) # rate1 = 16000
sig, rate = librosa.load(spec_file) # rate 22050
sig = np.array(α*sig, dtype = "int16")
几乎工作的东西是将多个具有恒定sig的结果α
的α,这是从SciPy的wavread和该信号的最大值从librosa得到的信号之间的比例。 尽管信号速率不同。
这听起来像一个量化问题。 如果将wave文件中的样本存储为float
而librosa只是将其直接转换为int
,则小于1的值将被截断为0。这很可能是sig
是全零的数组的原因。 必须缩放float
才能将其映射到int
范围内。 例如,
>>> a = sp.randn(10)
>>> a
array([-0.04250369, 0.244113 , 0.64479281, -0.3665814 , -0.2836227 ,
-0.27808428, -0.07668698, -1.3104602 , 0.95253315, -0.56778205])
将a转换为int
类型而不进行缩放
>>> a.astype(int)
array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0])
将比例转换为int
并转换为16位整数
>>> b = (a* 32767).astype(int)
>>> b
array([ -1392, 7998, 21127, -12011, -9293, -9111, -2512, -42939,
31211, -18604])
将换算的int
转换回float
>>> c = b/32767.0
>>> c
array([-0.04248177, 0.24408704, 0.64476455, -0.36655782, -0.28360851,
-0.27805414, -0.0766625 , -1.31043428, 0.9525132 , -0.56776635])
由于量化为int
c
和b
仅等于约3或4个小数位。
如果librosa返回的是float
,则可以将其缩放2**15
并将其强制转换为int
以获得与scipy Wave阅读器返回的值相同的范围。 由于librosa返回的是float
,因此这些值很有可能位于一个比[-32768, +32767]
的16位整数小得多的范围内,例如[-1, +1]
[-32768, +32767]
。 因此,您需要缩放一个以匹配范围。 例如,
sig, rate = librosa.load(spec_file, mono=True)
sig = sig × 32767
如果您自己不想进行量化,则可以通过pylab.specgram
函数使用pylab
来完成。 您可以查看该函数的内部,看看它如何使用vmin
和vmax
。
从您的帖子中(至少对我而言)尚不清楚要实现什么(因为事先也没有示例输入文件或脚本)。 但是无论如何,要检查wave文件的频谱图是否存在明显差异,这取决于从任何读取函数返回的信号数据是float32
还是int
,我测试了以下3个函数。
_wav_file_ = "africa-toto.wav"
def spectogram_librosa(_wav_file_):
import librosa
import pylab
import numpy as np
(sig, rate) = librosa.load(_wav_file_, sr=None, mono=True, dtype=np.float32)
pylab.specgram(sig, Fs=rate)
pylab.savefig('spectrogram3.png')
def graph_spectrogram_wave(wav_file):
import wave
import pylab
def get_wav_info(wav_file):
wav = wave.open(wav_file, 'r')
frames = wav.readframes(-1)
sound_info = pylab.fromstring(frames, 'int16')
frame_rate = wav.getframerate()
wav.close()
return sound_info, frame_rate
sound_info, frame_rate = get_wav_info(wav_file)
pylab.figure(num=3, figsize=(10, 6))
pylab.title('spectrogram pylab with wav_file')
pylab.specgram(sound_info, Fs=frame_rate)
pylab.savefig('spectrogram2.png')
def graph_wavfileread(_wav_file_):
import matplotlib.pyplot as plt
from scipy import signal
from scipy.io import wavfile
import numpy as np
sample_rate, samples = wavfile.read(_wav_file_)
frequencies, times, spectrogram = signal.spectrogram(samples,sample_rate,nfft=1024)
plt.pcolormesh(times, frequencies, 10*np.log10(spectrogram))
plt.ylabel('Frequency [Hz]')
plt.xlabel('Time [sec]')
plt.savefig("spectogram1.png")
spectogram_librosa(_wav_file_)
#graph_wavfileread(_wav_file_)
#graph_spectrogram_wave(_wav_file_)
除了大小和强度上的微小差异外,无论是读取方法,库还是数据类型,它们看起来都非常相似,这使我有些疑问,输出的目的是“完全”相同是什么,输出应该是多么精确。
补充说一下,Librosa有一个实用程序可以将整数数组转换为浮点数。
float_audio = librosa.util.buf_to_float(sig)
在制作Pydub音频片段的声谱图时,我用它取得了巨大的成功。 请记住,其参数之一是每个样本的字节数。 默认为2。您可以在此处的文档中了解更多信息 。 这是源代码 :
def buf_to_float(x, n_bytes=2, dtype=np.float32):
"""Convert an integer buffer to floating point values.
This is primarily useful when loading integer-valued wav data
into numpy arrays.
See Also
--------
buf_to_float
Parameters
----------
x : np.ndarray [dtype=int]
The integer-valued data buffer
n_bytes : int [1, 2, 4]
The number of bytes per sample in `x`
dtype : numeric type
The target output type (default: 32-bit float)
Returns
-------
x_float : np.ndarray [dtype=float]
The input data buffer cast to floating point
"""
# Invert the scale of the data
scale = 1./float(1 << ((8 * n_bytes) - 1))
# Construct the format string
fmt = '<i{:d}'.format(n_bytes)
# Rescale and format the data buffer
return scale * np.frombuffer(x, fmt).astype(dtype)
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.