☰

m4a文件中的帧字节流应该转换为什么数据类型？

tag-icon • tag-icon python m4a
m4a文件中的帧字节流应该转换为什么数据类型？

我是音频处理研究的新手，使用python3中的pydub模块来操作“m4a”格式的音频文件。一开始用pydub读取原始的m4a文件是可以的，但是经过几步操作（例如VAD和数据增强操作）后，我无法将生成的m4a文件中的帧读出为numpy.ndarray，并收到以下错误：

np.array(frames["music_no_silence"].get_array_of_samples())
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/home/user/miniconda/envs/py36/lib/python3.6/site-packages/pydub/audio_segment.py", line 272, in get_array_of_samples
     array_type_override = self.array_type
  File "/home/user/miniconda/envs/py36/lib/python3.6/site-packages/pydub/audio_segment.py", line 277, in array_type
     return get_array_type(self.sample_width * 8)
  File "/home/user/miniconda/envs/py36/lib/python3.6/site-packages/pydub/utils.py", line 43, in get_array_type
     t = ARRAY_TYPES[bit_depth]
  KeyError: 64

奇怪的是，所有 m4a 文件（无论原始输入还是最终输出）都可以在音频应用程序中成功打开并在扬声器中产生合理的声音。通过进一步调查问题，我注意到最终输出中的帧是大小为 8 的字节，而原始输入中的帧是大小为 2 的字节。

原始输入和最终输出文件用 audacity 打开时，都显示为“mono 16000Hz 32-bit float”。由于 2bytes 大小的帧无法解析为 32bit-float，我猜测 32bit-float 是 Audacity 中进行了归一化操作的结果。

我的问题是，对于字节大小为 2、4、8 的帧，应该将其转换为哪种数据类型（在 numpy 中）？

有没有大师知道在 Udacity 中采用的规范化操作？

多谢！

相关内容