如何在 Python/Linux 中更快地加载和重新采样 (MP3) 音频文件？

Question

目前，我正在尝试在 Python 中加载 280,000 个 MP3 音频文件，其中文件的平均持续时间约为 5 秒。我将Librosa用于此目的以及后续阶段的进一步处理（例如计算频谱图）。

但是，我意识到加载文件非常慢，因为加载、解压缩和重新采样每个文件平均需要 370 毫秒。如果我关闭重新采样（即librosa.load(..., sr=None)），大约需要 200 毫秒，但考虑到我拥有的大量文件，这仍然不是很好。不出所料，无需重新采样即可加载 wav 文件非常快（< 1 ms）；但是如果我们执行重新采样，大约需要 160 毫秒。

现在我想知道是否有任何更快的方法来做到这一点，无论是直接在 Python 中还是在 Linux 中使用外部工具，条件是我以后可以将结果加载回 Python。

顺便说一下，我尝试使用multiprocessing大小为 4 的池并实现了 2-3 倍的加速，但我正在寻找更多（最好 > 10 倍）。

注：原始文件为人声，采样率为48KHz，码率为64Kbps；我想将它们下采样到 16KHz。

Answer 1

你可以使用pysox。

它是一个围绕SoX的薄 Python 包装器，“声音处理程序的瑞士军刀”。

注意：为了更快的处理（避免 exec 调用），您还可以安装和使用soxbindings。您需要做的就是更换

import sox

和

import soxbindings as sox