MFCC 为解析 wav 文件生成“ValueError：索引不能包含负值”答案

【问题标题】：MFCC produces "ValueError: index can't contain negative values" for parsing wav fileMFCC 为解析 wav 文件生成“ValueError：索引不能包含负值”
【发布时间】：2020-12-05 18:12:00
【问题描述】：

关于使用通用代码提取缩放的 MFCC 数据：

def extract_features(file_name):

try:
    audio, sample_rate = librosa.load(file_name, res_type='kaiser_fast') 
    mfccs = librosa.feature.mfcc(y=audio, sr=sample_rate, n_mfcc=40)
    mfccsscaled = np.mean(mfccs.T,axis=0)
    
except Exception as e:
    print("Error encountered while parsing file: ", file)
    return None 
 
return mfccsscaled

用于单个文件的示例代码：

max_pad_len = 174
file_name = '201-AWCKARAK47Close0116BIT.wav'
audio, sample_rate = librosa.load(file_name, res_type='kaiser_fast', sr=None)
mfccs = librosa.feature.mfcc(y=audio, sr=sample_rate, n_mfcc=40)
pad_width = max_pad_len - mfccs.shape[1]
mfccs = np.pad(mfccs, pad_width=((0, 0), (0, pad_width)), mode='constant')
mfccsscaled

我收到以下错误：

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-26-118328675a5f> in <module>
      4 mfccs = librosa.feature.mfcc(y=audio, sr=sample_rate, n_mfcc=40)
      5 pad_width = max_pad_len - mfccs.shape[1]
----> 6 mfccs = np.pad(mfccs, pad_width=((0, 0), (0, pad_width)), mode='constant')
      7 mfccsscaled

<__array_function__ internals> in pad(*args, **kwargs)

c:\python\lib\site-packages\numpy\lib\arraypad.py in pad(array, pad_width, mode, **kwargs)
    746 
    747     # Broadcast to shape (array.ndim, 2)
--> 748     pad_width = _as_pairs(pad_width, array.ndim, as_index=True)
    749 
    750     if callable(mode):

c:\python\lib\site-packages\numpy\lib\arraypad.py in _as_pairs(x, ndim, as_index)
    517 
    518     if as_index and x.min() < 0:
--> 519         raise ValueError("index can't contain negative values")
    520 
    521     # Converting the array with `tolist` seems to improve performance

ValueError: index can't contain negative values

你能告诉我为什么会抛出这个错误以及如何解决它吗？

背景

我使用从https://www.boomlibrary.com/ 获得的文件。大多数文件都是 24 位深度的。我尝试对原始 wav 文件进行下采样（到 16 位）和上采样（到 32 位）。即使通过 librosa 传递这两个文件，min~max 数据也不符合 [-1,1]。我得到Librosa audio file min~max range: -1.2105241 to 1.2942984。不确定这些数据是否有助于解决我的问题。谢谢！

【问题讨论】：

这仍然是个问题吗？回溯似乎与您共享的代码不同。你检查过pad_width你得到了什么吗？
@LukaszTracewski，再次感谢您的回复！我已经用填充了 wav 文件和抛出错误的代码块更新了我的问题。真诚的感谢！
谢谢！现在很清楚为什么会出现错误，您现在只需要考虑您到底想用该填充做什么。如果您想要一个固定长度的向量，也许可以使用简短的音频 sn-p？或者考虑适用于可变长度向量的算法。我猜你想在这里应用 ML 算法。

标签： python audio mfcc

【解决方案1】：

如异常所示，您正在使用负值填充。

问题出在这行：

pad_width = max_pad_len - mfccs.shape[1]

mfccs.shape[1] 与音频长度成正比，并取决于用于计算mfcc 的跳跃长度。默认情况下，hop_length 是 512。

有问题的音频是 201-AWCKARAK47Close0116BIT.wav，大约 45 秒长的剪辑，以 96kHz 采样。信封计算的背面告诉我们，您将为该音频文件获得的 MFCC 数量为：

45 second * (96000 samples / second)  / 512 samples ~ 8500

反过来：

pad_width = max_pad_len - mfccs.shape[1] = 174 - 8500 => NEGATIVE NUMBER

【讨论】：