web-dev-qa-db-ja.com

Tensorflow 2にwavファイルをインポートする

Python 3.7とTensorflow 2.0を使用して、UrbanSoundsデータセットからwavファイルを読み取るのに苦労しています。 この質問と回答 は、入力が文字列テンソルである必要がありますが、ファイルにエンコードされた初期メタデータを通過して実際のデータに到達するのは難しいようです。float32テンソルとしてロードする前に、文字列を前処理する必要がありますか？ ？既に24ビットのwavから16ビットのwavにダウンサンプリングしてデータを前処理する必要があったため、データ入力パイプラインが予想よりもはるかに扱いにくくなっています。必要なダウンサンプリングは特にイライラします。私がこれまでに試みていること：

import tensorflow as tf  # this is TensorFlow 2.0

path_to_wav_file = '/mnt/d/Code/UrbanSounds/audio/fold1/101415-3-0-2.wav'
# Turn the wav file into a string tensor
input_data = tf.io.read_file(path_to_wav_file)
# Convert the string tensor to a float32 tensor
audio, sampling_rate = tf.audio.decode_wav(input_data)

これは私が最後のステップで得るエラーです：

2019-10-08 20:56:09.124254: W tensorflow/core/framework/op_kernel.cc:1546] OP_REQUIRES failed at decode_wav_op.cc:55 : Invalid argument: Header mismatch: Expected fmt  but found junk
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/anaconda3/envs/tf2/lib/python3.7/site-packages/tensorflow/python/ops/gen_audio_ops.py", line 216, in decode_wav
    _six.raise_from(_core._status_to_exception(e.code, message), None)
  File "<string>", line 3, in raise_from
tensorflow.python.framework.errors_impl.InvalidArgumentError: Header mismatch: Expected fmt  but found junk [Op:DecodeWav]

そして、これがその文字列テンソルの始まりです。私はwavファイルの専門家ではありませんが、「fmt」の後の部分が実際のオーディオデータの開始点だと思います。その前は、ファイルに関するすべてのメタデータだと思います。

data.numpy()[:70]
b'RIFFhb\x05\x00WAVEjunk\x1c\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\x00fmt \x10\x00\x00\x00\x01\x00\x01\x00D\xac\x00\x00\x88X\x01\x00\x02\x00'
wavtensorflow2.0
8
Alex

あなたのエラーは、最初にfmt部分を期待しているTensorFlowに関係しているようです。

処理用のTensorFlowのコードはここにあります： https://github.com/tensorflow/tensorflow/blob/c9cd1784bf287543d89593ca1432170cdbf694de/tensorflow/core/lib/wav/wav_io.cc#L225

未解決の問題もあり、TensorFlowのチームからの応答を待っています。これは、提供した同じエラーをおおまかにカバーしています。 https://github.com/tensorflow/tensorflow/issues/32382

他のライブラリはジャンク部分をスキップするだけなので、それらで動作します。

5
devnull

デュアルチャネルオーディオファイルのコードが失敗したようです。このコードは、モノチャネルのwavファイルで機能します。あなたの場合は、scipyを使用してみてください。

from scipy.io import wavfile as wav
sampling_rate, data =  wav.read('101415-3-0-2.wav')
3
ravikt