python - librosa 的加载和 scipy.io.wavfile 的读取之间的区别

Question

我有一个关于loadlibrosa 的read功能和scipy.io.wavfile.

from scipy.io import wavfile
import librosa

fs, data = wavfile.read(name)
data, fs = librosa.load(name)

导入的语音文件是同一个文件。如果你运行上面的代码，两个函数出来的数据值是不同的。我想知道为什么数据的价值不同。

Answer 1

从文档字符串librosa.core.load：

将音频文件加载为浮点时​​间序列。

音频将自动重新采样到给定的速率（默认 sr=22050）。

要保留文件的本机采样率，请使用 sr=None。

scipy.io.wavfile.read不会自动对数据重新采样，并且如果样本在文件中是整数，则不会将其转换为浮点数。

Answer 2

还值得一提的是，librosa.load()标准化数据（使所有数据点都在 1 和 -1 之间），而wavfile.read()没有。

Answer 3

数据不同，因为scipy没有对输入信号进行归一化。

这是一个片段，展示了如何将scipy输出更改为匹配librosa的：

nbits = 16

l_wave, rate = librosa.core.load(path, sr=None)
rate, s_wave = scipy.io.wavfile.read(path)

s_wave /= 2 ** (nbits - 1)

all(s_wave == l_wave)
# True

Answer 4

librosa.core.load支持 24 位音频文件和 96kHz 采样率。正因为如此，转换为浮点数和默认重采样，它可能比scipy.io.wavfile.read许多情况下要慢得多。