为 CMU Sphinx 4 输入转换音频文件答案

【问题标题】：Convert audio files for CMU Sphinx 4 input为 CMU Sphinx 4 输入转换音频文件
【发布时间】：2012-11-21 11:52:18
【问题描述】：

我想使用 CMU Sphinx 4 运行识别大量文件。Sphinx 需要以下格式：

16 千赫兹
16 位
单声道
小端序

我的文件类似于 44100 khz、32 位立体声 mp3 文件。我尝试使用 Tritonus，然后使用它的更新版本 JavaZoom，使用来自bakuzen 的代码进行转换。但是，AudioSystem.getAudioInputStream(File) 抛出了 UnsupportedAudioFileException，我一直无法弄清楚原因，所以我继续前进。

现在我正在尝试 ffmpeg。命令ffmpeg -i input.mp3 -ac 1 -ab 16 -ar 16000 output.wav 似乎应该可以解决问题（除了小端序），但是当我使用 Audacity 检查输出时，它仍然将其标记为“32 位浮点数”。我在this site 上找到的命令也使用了-acodec pcm_s16le，从它的名字看似乎是输出16 位小端；但是，Audacity 仍然告诉我输出是 32 bit float。

谁能告诉我如何将音频文件转换为 CMU Sphinx 4 所需的格式？

【问题讨论】：

标签： java audio ffmpeg speech-recognition cmusphinx

【解决方案1】：

您是否真的在 CMU Sphinx 4 中尝试过 ffmpeg 的输出？ 32 位浮点数可能是您在 Audacity 中的默认采样格式（Edit > Preferences > Quality）。我猜它会将任何导入的文件转换为这些设置，因此它可能不会报告实际文件的参数，但可能是 Audacity 中的工作文件。

删除-ab 16。这将指示编码器使用 16 位/秒，而 ffmpeg 无论如何都会为 pcm_s16le 忽略它。所以你的命令看起来像：

ffmpeg -i input.mp3 -acodec pcm_s16le -ac 1 -ar 16000 output.wav

在 Linux 中转换目录中的所有 mp3 文件：

for f in *.mp3; do ffmpeg -i "$f" -acodec pcm_s16le -ac 1 -ar 16000 "${f%.mp3}.wav"; done

或窗户：

for /r %i in (*) do ffmpeg -i %i -acodec pcm_s16le -ac 1 -ar 16000 %i.wav

在 Windows 批处理文件中：

for /r %%i in (*.mp3) do ffmpeg -i "%%i" -acodec pcm_s16le -ac 1 -ar 16000 "%i.wav"

您可以使用file、ffmpeg、ffprobe、mediainfo 以及其他实用程序查看文件信息：

$ file hjl0bC.wav 
hjl0bC.wav: RIFF (little-endian) data, WAVE audio, Microsoft PCM, 16 bit, mono 16000 Hz

$ ffmpeg -i hjl0bC.wav
[...]
Stream #0:0: Audio: pcm_s16le ([1][0][0][0] / 0x0001), 16000 Hz, mono, s16, 256 kb/s

【讨论】：

谢谢，这似乎是正确的格式。但是，我的输出文件仍然不能在 Sphinx 4 上运行。可能要直接问@Nikolay Shmyrev...
格式正确。我的文件只有零能级区域，所以一旦我在前端添加抖动，一切都很好。
@NateGlenn 我添加了您的编辑，但被其他用户拒绝。我不是 Windows 用户，所以我没有测试它。
谢谢。我想如果我的编辑被拒绝，我需要查看编辑政策。