voxceleb2将m4a格式转换为wav

最近尝试新的模型中，要求Voxceleb2数据集的格式为.wav，而原文件的格式为.m4a格式，需要进行转换。其实网上是有相关的开源工程的，https://github.com/clovaai/voxceleb_trainer，但是由于这个作者的注释写的非常少，在没有人帮助的情况下我也看不太懂多少，只能自己根据https://www.robots.ox.ac.uk/~vgg/data/voxceleb/meta/train_list.txt所提供的trainlist列表自行转换。

于是，我写了如下代码：

 目的文件夹的创建部分，在我做完之后就已经删除了。我是直接将原文件生成wav格式之后，改一个后缀名就放在了目录下面。

但是在我跑了一晚上之后才发现，原本数据集的音频标号方式是每个video编一个号码，而trainlist中是每一个人编一个号码。不能用简单的直接将原始的m4a文件换个后缀就直接生成，还要涉及到一个编号的问题。

于是我稍加调整，更改的代码如下：

 这样就按文件顺序，按说话人生成连续编号的wav文件了。

但是在跑了一段脚本之后，我进行检查发现，我的编号和list中的编号不一致。仔细检查才发现，原来trainlist中的排序顺序是0-9-A-Z-a-z-*，而linux系统下的文件排序顺序则是0-9-Aa-Zz-*。会导致不同目录下的标号顺序是交错的。

因此不能直接按照原始的数据集文件进行直接生成，还是需要读取trainlist文件，按行生成连续编号的wav文件。

#!/bin/bash
  
outpath=-------                        # 你自己的目录       
listfile=-------/train_list.txt        # 你存放的trianlist的位置

for directory in */* ; do

        [ ! -d $outpath/$video ] && mkdir -p $outpath/$directory

done

while read line ; do
        wav=`echo $line | awk '{printf($2)}'`
        m4a=${wav%.*}.m4a
        [ -f $m4a ] && [ ! -f $outpath/$wav ] && ffmpeg -y -i $m4a -ac 1 -vn -acodec pcm_s16le -ar 16000 $outpath/$wav

        [ ! -f $m4a ] && echo -e "\n\n\n\nit went wrong! can not found $m4a!\n" && exit 0
done < $listfile

如上，就可以按行读取trianlist中的文件并进行转换，同时输出到相同的文件夹中了。由于写的非常原始，也没有开很多个进程来处理这个工程，导致这个跑的很慢，大概需要16h左右。同时，这个脚本需要存放在原始的v2数据集的dev/aac/目录下，与id*****处于同一位置。

也希望各位如果能用懂voxceleb_trainer的，也可以在评论区留言，或者开一个csdn帖子来介绍一下这个工程，谢谢各位！请多多指教！