将 numpy int16 音频数组转换为 float32

Question

我有原始二进制 int16 数据，我正在使用

将其转换为 numpy 数组

audio = np.fromstring(raw_data, dtype=np.int16)

数据是音频数据。当我将数据转换为 float32 时，音频会失真：

audio = audio.astype(np.float32, order='C')

我正在将音频保存到磁盘以使用 SoundFile 收听：

soundfile.write('out.wav', audio, sample_rate)

如果我直接将音频写入磁盘而不执行astype操作，则不会失真（即）；

# no distortion
audio = np.fromstring(raw_data, dtype=np.int16)
soundfile.write('out.wav', audio, sample_rate)

# distortion
audio = np.fromstring(raw_data, dtype=np.int16)
audio = audio.astype(np.float32, order='C')
soundfile.write('out.wav', audio, sample_rate)

这里转换数据类型的正确方法是什么？

Answer 1

按照惯例，浮点音频数据被标准化为 [-1.0,1.0] 的范围，您可以通过缩放来做到这一点：

audio = audio.astype(np.float32, order='C') / 32768.0

这可能会为您解决问题，但您需要确保 soundfile.write 写入指示 float32 的 wav 标头。它可能会根据数组的 dtype 自动执行此操作。