无法在张量流中加载音频文件（Windows10）

Question

这可能是个问题。 我可以像这样加载audio_binary audio_binary = tf.read_file(wav_file_path) 但是当我尝试用这个来阅读wav时：

from tensorflow.contrib import ffmpeg
waveform = ffmpeg.decode_audio( audio_binary, file_format='wav', samples_per_second=16000, channel_count=1)

我收到错误ImportError: No module named 'tensorflow.contrib.ffmpeg.ops'

我也试过这样做：

from tensorflow.contrib.framework.python.ops import audio_ops as contrib_audio
wav_decoder = contrib_audio.decode_wav(audio_binary, desired_channels=1)

我收到此错误InvalidArgumentError: Header mismatch: Expected RIFF but found NIST

顺便说一句，我在Jupyter笔记本中使用tensorflow-gpu。

任何帮助都将受到高度赞赏。 谢谢！

Answer 1

如果有人遇到同样的问题。 我使用的是TIMIT数据库，他们的文件虽然是.wav，却有不同的编码（NIST）。我必须将它们更改为RIFF，如forfiles /s /m *.wav /c "cmd /c sph2pipe -f wav @file @fnameRIFF.wav" 并使用第二个命令contrib_audio.decode_wav(...)

根据这个答案： Change huge amount of data from NIST to RIFF wav file

这个页面： http://soundfile.sapp.org/doc/WaveFormat/

Answer 2

您可能要检查当前使用的张量流的版本。

tensorflow 1.X：

tensorflow.contrib.ffmpeg.decode_audio()

tensorflow 2.X：

tensorflow.audio.decode_wav()

请记住， decode_wav（）需要.wav数据，而不能从.wav数据本身读取

有关tensorflow.audio.decode_wav（）的更多信息，请参见此处的文档：https://www.tensorflow.org/api_docs/python/tf/audio/decode_wav

查看此答案以获取更多信息：From audio to tensor, back to audio in tensorflow