转换CMU Sphinx 4输入的音频文件

Question

我想使用CMU Sphinx 4来运行识别文件。Sphinx需要以下格式：

• 16赫兹
• 16位
• 单声道
• 小端

我的文件类似于44100 khz，32位立体声mp3文件。 我尝试使用Tritonus，然后使用其更新版本JavaZoom，以使用来自bakuzen的代码进行转换。 但是， AudioSystem.getAudioInputStream(File)抛出UnsupportedAudioFileException ，并且我无法弄清楚原因，因此我继续进行下去。

现在我正在尝试ffmpeg。 命令ffmpeg -i input.mp3 -ac 1 -ab 16 -ar 16000 output.wav似乎可以解决问题（小字节序除外），但是当我使用Audacity检查输出时，它仍将其标记为“ 32位浮点数”。 我在此站点上找到的命令还使用-acodec pcm_s16le ，从名称-acodec pcm_s16le ，该命令似乎输出16位little endian。 但是，Audacity仍然告诉我输出是32 bit float 。

谁能告诉我如何将音频文件转换为CMU Sphinx 4所需的格式？

Answer 1

您实际上在CMU Sphinx 4中尝试了ffmpeg的输出吗？ 32位浮点数可能是Audacity中默认的采样格式（ 编辑>首选项>质量 ）。 我猜想它会将任何导入的文件转换为这些设置，因此它可能不是在报告实际文件的参数，而是在报告Audacity中的工作文件。

删除-ab 16 。 这将指示编码器使用16位/秒，而ffmpeg无论如何都将忽略它用于pcm_s16le。 因此，您的命令将如下所示：

ffmpeg -i input.mp3 -acodec pcm_s16le -ac 1 -ar 16000 output.wav

要在Linux中的目录中转换所有mp3文件：

for f in *.mp3; do ffmpeg -i "$f" -acodec pcm_s16le -ac 1 -ar 16000 "${f%.mp3}.wav"; done

或Windows：

for /r %i in (*) do ffmpeg -i %i -acodec pcm_s16le -ac 1 -ar 16000 %i.wav

在Windows批处理文件中：

for /r %%i in (*.mp3) do ffmpeg -i "%%i" -acodec pcm_s16le -ac 1 -ar 16000 "%i.wav"

您可以在其他实用程序中查看文件file ， ffmpeg ， ffprobe ， mediainfo文件信息：

$ file hjl0bC.wav 
hjl0bC.wav: RIFF (little-endian) data, WAVE audio, Microsoft PCM, 16 bit, mono 16000 Hz

$ ffmpeg -i hjl0bC.wav
[...]
Stream #0:0: Audio: pcm_s16le ([1][0][0][0] / 0x0001), 16000 Hz, mono, s16, 256 kb/s