【发布时间】：2021-09-22 21:03:59
【问题描述】：
我正在使用 2 个工具在 Python 中读取 .wav 文件。首先 - 使用模块 soundfile:
wav = sf.read(speech_file)
b = io.BytesIO(wav[0])
结果我得到了这样的字节数据。没错：
....\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\ .....
然后我用模块wave阅读.wav：
wf = wave.open(speech_file, "rb")
data = wf.readframes(wf.getparams().nframes)
结果字节完全不正确：
....a\x00\xda\x00\xcb\x00\xba\x00\xb0\x00\xa3\x00\x8f\x00|\x00g\x00S\x00=\x00&\x00\x0b\x00\xf3\xff\xd4\xff\xb0\xff\x8d\xffe\xff\xff\x18\xff\xef\xfe\xc6\xfe\x99\xfed\xfe-\xfe\xf5\xfd\xc0\xfd\x92\xfdj....
为什么两个不同的工具没有给出相同的结果？如何从第一个字节对象制作第二个字节对象？事实上，我不能使用wave 的字节，因为它与原声完全不同。
【问题讨论】：
-
为什么你认为第一个结果是正确的？ WAVE 文件以已知的标题开始。前几个字节是字符“RIFF”。我不这么认为。
wave模块跳过标头并返回数据，该数据看起来更像 16 位 PCM 数据。在现实世界中，你永远不会得到一长串的 0。总是有背景噪音。 -
我将字节转换为 numpy 数组，然后将其可视化。第一个工具提供真实的声音信号timg.in/BFlNn
-
您知道样本是 16 位值，而不是字节？
-
真的，如果不查看代码或访问文件，我们将无能为力。
wave模块运行良好；我用过很多次了。 -
已将 .wav 和字节数据加载到 drive。希望它有助于解决问题。原始 .wav 配乐是俄语语音。我上面加载的所有代码