librosa.load() 无法准确解码来自 Youtube 的音频文件

Question

我正在尝试librosa.load()在.wav文件上运行该命令。在.wav file从通过YouTube视频下载的YouTube-DL并具有以下特性：

• 通道数：2
• 采样率：44,100Hz
• 持续时间：3486.104 秒

但是，该命令返回的时间序列librosa.load('file.wav')如下：

(array([0., 0., 0., ..., 0., 0., 0.], dtype=float32), 22050)

该.wav文件肯定有很多噪音，所以我不太明白为什么输出是0针对每一帧的。

我也试过运行librosa.load()其他.wav其他Youtube视频音频文件，并有同样的结果。

如果有人对导致此输出的原因有任何想法，请现在告诉我。提前致谢。

Answer 1

Youtube 不存储 WAV 文件。因此，当向 youtube-dl 询问 WAV 时，它所做的只是在下载后（使用 ffmpeg）将 MPEG4/OPUS 转换为 WAV 文件。这不会提高质量，只会占用更多的硬盘空间。此转换过程中可能出现问题，导致您的文件充满寂静。

由于 librosa 可以加载 MPEG4 音频（当安装了合适的依赖项时），我建议下载它，然后直接加载它。请参阅下面的示例代码。

使用 youtube-dl 下载 MP4 音频

youtube-dl -ci -f "bestaudio[ext=m4a]" https://www.youtube.com/watch?v=-5FKNViujeM -o '%(id)s.mp4'

在 Python 中加载文件

import librosa
import numpy

sr = 16000
y, _ = librosa.load('-5FKNViujeM.mp4', duration=7, sr=sr) # load first seconds

# Calculate RMS
rms_window = 1.0 # in seconds 
rms = librosa.feature.rms(y=y, hop_length=int(sr*rms_window))
rms_db = librosa.core.amplitude_to_db(rms, ref=0.0)
print(list(rms_db[0]))

输出

[1.9082947, 79.42775, 77.47075, 80.536514, 81.758995, 81.908295, 78.63311, 80.665535]