使用librosa对音频信号进行重采样

简介

不同的录音设备对音频有不同的采样率。使用深度学习对音频信号进行处理，为了保证深度学习模型学习的效率，普遍采用较低的音频采样率，这时就需要对录制好的音频进行重采样，以适应深度学习的输入。本文选择python语言中的音频处理工具librosa对音频进行重采样，可参考官方文档 librosa.resample

开发环境

python == 3.7.0
librosa == 0.8.1
soundfile == 0.10.3

代码

import os
import librosa
import tqdm
import soundfile as sf

if __name__ == '__main__':
	# 要查找的音频类型
    audioExt = 'WAV'
    # 待处理音频的采样率
    input_sample = 44100
    # 重采样的音频采样率
    output_sample = 16000
    # 待处理音频的多个文件夹
    audioDirectory = ['/data/orgin/train', '/data/orgin/test']
    # 重采样输出的多个文件夹
    outputDirectory = ['/data/traindataset', '/data/testdataset']

	# for 循环用于遍历所有待处理音频的文件夹
    for i, dire in enumerate(audioDirectory):
    	# 寻找"directory"文件夹中，格式为“ext”的音频文件，返回值为绝对路径的列表类型
        clean_speech_paths = librosa.util.find_files(
                directory=dire,
                ext=audioExt,
                recurse=True, # 如果选择True，则对输入文件夹的子文件夹也进行搜索，否则只搜索输入文件夹
            )
        # for 循环用于遍历搜索到的所有音频文件
        for file in tqdm.tqdm(clean_speech_paths, desc='No.{} dataset resampling'.format(i)):
        	# 获取音频文件的文件名，用作输出文件名使用
            fileName = os.path.basename(file)
            # 使用librosa读取待处理音频
            y, sr = librosa.load(file, sr=input_sample)
            # 对待处理音频进行重采样
            y_16k = librosa.resample(y, orig_sr=sr, target_sr=output_sample)
            # 构建输出文件路径
            outputFileName = os.path.join(outputDirectory[i], fileName)
            # 将重采样音频写回硬盘，注意输出文件路径
            sf.write(outputFileName, y_16k, output_sample)

---

由于作者水平有限，文中错误之处在所难免，恳请大佬不吝赐教！