librosa和tensorflow之间相同wav文件的不同采样率SR

Question

我有一个 wav 文件，我用 Audacity 重新采样到 16.000 kHz。 现在我正在尝试用两种不同的方式用 python 加载文件。

import tensorflow as tf
import librosa

f = "path/to/wav/file/xxxx.wav"

raw = tf.io.read_file(f)
audio, sr = tf.audio.decode_wav(raw, desired_channels=1)
print("Sample Rate TF: ",sr.numpy())

y, sr2 = librosa.load(f)
print("Sample Rate librosa: ",sr2)


#Sample Rate TF:  16000
#Sample Ratelibrosa:  22050

为什么同一个文件的采样率如此不同？ 我可以更信任哪个库？

Answer 1

这不是“信任”的问题。这两个函数都做了它们应该做的事情。 TF 版本显然不会重新采样音频。默认情况下，Librosa 会重新采样到 22,050 Hz（无论出于何种原因）。请read the docs。你可以通过调用来避免这种情况

y, sr2 = librosa.load(f, sr=None)

一般来说，sr 参数提供了要重新采样的采样率；通过传递None，您可以防止重新采样。