时间戳

首页 > 解决方案 > librosa.load() 无法准确解码来自 Youtube 的音频文件

python - librosa.load() 无法准确解码来自 Youtube 的音频文件

问题描述

我正在尝试对文件运行librosa.load()命令.wav。是通过youtube-dl.wav file从 youtube 视频下载的，具有以下属性：

但是，该命令返回的时间序列librosa.load('file.wav')如下：

(array([0., 0., 0., ..., 0., 0., 0.], dtype=float32), 22050)

该.wav文件肯定有很多噪音，所以我不太明白为什么输出是0每一帧的。

我还尝试在其他 Youtube 视频的其他音频文件上运行并得到相同的结果librosa.load()。.wav

如果有人对导致此输出的原因有任何想法，请现在告诉我。提前致谢。

标签： pythonwavyoutube-dllibrosa

解决方案

Youtube 不存储 WAV 文件。因此，当向 youtube-dl 询问 WAV 时，它所做的只是在下载后将 MPEG4/OPUS 转换为 WAV 文件（使用 ffmpeg）。这不会提高质量，只会占用更多的硬盘空间。此转换中可能出现问题，导致您的文件只是充满了沉默。

由于 librosa 可以加载 MPEG4 音频（当安装了合适的依赖项时），我建议下载它，然后直接加载它。请参阅下面的示例代码。

使用 youtube-dl 下载 MP4 音频

youtube-dl -ci -f "bestaudio[ext=m4a]" https://www.youtube.com/watch?v=-5FKNViujeM -o '%(id)s.mp4'

在 Python 中加载文件

import librosa
import numpy

sr = 16000
y, _ = librosa.load('-5FKNViujeM.mp4', duration=7, sr=sr) # load first seconds

# Calculate RMS
rms_window = 1.0 # in seconds 
rms = librosa.feature.rms(y=y, hop_length=int(sr*rms_window))
rms_db = librosa.core.amplitude_to_db(rms, ref=0.0)
print(list(rms_db[0]))

输出

[1.9082947, 79.42775, 77.47075, 80.536514, 81.758995, 81.908295, 78.63311, 80.665535]

推荐阅读