在 Pydub 和 Librosa 之间转换音频文件

Question

我正在尝试在 Librosa 中打开一个 AudioFile。修剪它，然后使用pydub修改它。这是我的代码：

sound = AudioSegment.from_file(filePath)
samples = sound.get_array_of_samples()
arr = np.array(samples)
print(type(arr))
print(arr)
# then modify samples...
y, index = librosa.effects.trim(arr)

问题是，即使我遵循此处概述的解决方案：https :
//github.com/jiaaro/pydub/issues/289

我似乎无法使用 librosa 的 trim() 函数。它给了我这个错误：

librosa.util.exceptions.ParameterError: Audio data must be floating-point

这样做的原因是 Librosa 需要一个浮点 numpy 数组（并使用它们），而 pydub 导出一个整数数组（我将其转换为 np 数组）。我不知道如何在 2 之间转换 numpy 数组。

我可以从 Pydub 导出到文件，然后用 Librosa 加载它 - 但这似乎是一种非常低效的做事方式。

软件包版本：
Librosa - 0.7.1。
Pydub - 0.23.1

Answer 1

Librosa 遵守arrdata 类型int，您需要将其转换为float如下，

arr = np.array(samples).astype(np.float32)

代码：

import librosa
import numpy as np
import os

from pydub import AudioSegment
from pydub.playback import play

sound = AudioSegment.from_file("test.wav")
samples = sound.get_array_of_samples()
new_sound = sound._spawn(samples)
arr = np.array(samples).astype(np.float32)
print(type(arr))
#print(arr)
# then modify samples...
y, index = librosa.effects.trim(arr)
print(index)
print(y) 

修剪输出

 <type 'numpy.ndarray'>
[  0 882]
[ 0.00000000e+00  0.00000000e+00  1.07629056e+08  1.07629056e+08
:
:
1.09489754e+09  1.09489754e+09]

Answer 2

def audiosegment_to_librosawav(audiosegment):    
    channel_sounds = audiosegment.split_to_mono()
    samples = [s.get_array_of_samples() for s in channel_sounds]

    fp_arr = np.array(samples).T.astype(np.float32)
    fp_arr /= np.iinfo(samples[0].typecode).max
    fp_arr = fp_arr.reshape(-1)

    return fp_arr

我将此代码用于使用 librosa 的 resemblyzer。90％的代码在这里： https://github.com/jiaaro/pydub/blob/master/API.markdown#audioegmentget_array_of_samples

Anil_M 的代码没有为我将数字转换为浮点数。