为啥 scipy 和 librosa 在读取 wav 文件时不同？

Posted 2023-02-25

【中文标题】为啥 scipy 和 librosa 在读取 wav 文件时不同？

【英文标题】：Why are scipy and librosa different for reading wav file?为什么 scipy 和 librosa 在读取 wav 文件时不同？

【发布时间】：2018-07-24 02:51:19

【问题描述】：

所以我试图从波形文件中获取样本，我注意到它的值不同，具体取决于我使用的是 scipy 还是 librosa。

sampleFloats, fs = librosa.load('hi.wav', sr=48000)
print('0:.15f'.format(sampleFloats[len(sampleFloats)-1]))

from scipy.io.wavfile import read as wavread
# from python_speech_features import mfcc

[samplerate, x] = wavread('hi.wav') # x is a numpy array of integer, representing the samples 

# scale to -1.0 -- 1.0
if x.dtype == 'int16':
    nb_bits = 16 # -> 16-bit wav files
elif x.dtype == 'int32':
    nb_bits = 32 # -> 32-bit wav files
max_nb_bit = float(2 ** (nb_bits - 1))
samples = x / (max_nb_bit + 1.0) # samples is a numpy array of float representing the samples 

print(samples[len(samples)-1])

打印语句如下：

0.001251220703125
0.001274064182641886

文件的采样率为 48000。

为什么它们可能不同？ librosa 是否使用了不同的标准化？

【问题讨论】：

打印出来的数字代表什么？

它们代表最后一个样本的值。

仅供参考（Python 提示）：sampleFloats[len(sampleFloats)-1] 可以简化为 sampleFloats[-1]

为什么要除以max_nb_bit + 1.0？我怀疑应该是max_nb_bit - 1。

如果您在对librosa.load() 的调用中使用sr=None 会发生什么？

【参考方案1】：

这是类型不匹配。 不仅打印值，而且打印其类型通常很有用。在这种情况下，由于规范化的完成方式，samples 值的类型为float64，而librosa 返回float32。

This answer 可以帮助弄清楚如何规范化（另外，如上所述，确实是max_nb_bit - 1，而不是+）