【python】【sox】音频降采样与改变位深度

这篇文章介绍如何使用python对音频进行降采样。
手上有一批48k采样率的音频，需要将到16k。这里使用python的librosa库来完成。一行代码搞定：

y_48k, sr = librosa.load(wav_filename, 48000) # 读取原音频
y_16k = librosa.resample(y=y_48k, orig_sr=48000, targe_sr=16000) # 降采样

批量降采样，代码如下

# coding: utf-8
###########################################################
# TODO: 将VCTK/下的音频48k，降采样为16k，并保存到VCTK_16K/目录下
###########################################################
import librosa  
import glob  
from tqdm import tqdm 
import os 

for wav in tqdm(glob.glob('VCTK/*/*.wav')):
	audio_48k, sr = librosa.load(wav, 48000)
	audio_16k = librosa.resample(y=audio_48k, orig_sr=sr, target_sr=16000)
	new_filename = wav.replace('VCTK', 'VCTK_16K')
	new_file_path = new_filename.split(os.sep)[0] + '/' + new_filename.split(os.sep)[1]+'/'
	if not os.path.exists(new_file_path):
		os.makedirs(new_file_path)
	librosa.output.write_wav(new_filename, audio_16k, 16000)

---

除此之外，还可以利用linux系统的sox工具进行处理

示例

降采样：

sox input.wav -r 16000 output.wav

位深 变为16位：

sox input.wav -b 16 output.wav

同时实现降采样与改变采样深度

sox input.wav -b 16 -r 16000 output.wav

显示音频的信息：

soxi input.wav

输出：

Input File     : 'id11700.wav'
Channels       : 1
Sample Rate    : 44100
Precision      : 16-bit
Duration       : 00:00:02.01 = 88463 samples = 150.447 CDDA sectors
File Size      : 177k
Bit Rate       : 706k
Sample Encoding: 16-bit Signed Integer PCM

---