2）如果为了防止原始音频的采样率不统一影响模型训练和预测，需要对重采样进行采样率的标准化。需要添加data = librosa.resample(data.astype(np.float32), fs, 16000)， 注意一定要对数据做astype(np.float32，否则会出现 下采样无效 。 最近做一些基于深度学习音频上的算法，在对数据处理时，需要做数据的重采样、滤波。常常会用到librosa和wavfile，其中会遇到很多隐形的问题，会导致工作量加大。最近把遇到的问题进行总结了一下，希望对大家有帮助。一、librosa的读取、重采样、保存需要注意的点 1、读取方式：data, sr = librosa.load("*.wav", sr=16000), 注意读取出来的数据，是做了32767的归一化。 ... lib ros a读 音频 ， lib ros a 处理 音频 ， lib ros a写 音频 ，比较简单。 项目是wave模块读取 音频 ，wave模块写入 音频 ，但是wave模块 处理 音频 数据方法太少，必须调用 lib ros a模块实现 音频 处理 ，这个流程是： 音频 文件—>wave读取—>得到字节码—>解码为整形数据—> lib ros a 处理 —>编码为字节码—>写入 音频 文件 src = '1.wav' wave_read = wave.open(src, 'rb') Lib ros a是一个用于 音频 、音乐分析、 处理 的python工具包，一些常见的时频 处理 、特征提取、绘制声音图形等功能应有尽有，功能十分强大。本文主要介绍 lib ros a的安装与 使用 方法。 一、 lib sora安装 Lib ros a官网提供了多种安装方法，详细如下： 最简单的方法就是进行pip安装，可以满足所有的依赖关系，命令如下： pip install lib ros a 如果安装了Ana... audio_path = '/audio1.wav' x, sr = lib ros a.load(audio_path) print('数据x类型和采样率sr类型', type(x), type(sr)) print('数据x尺寸和采样率', x.shape, sr) # start Recording stream = audio.open(format=FORMAT, channels=CHANNELS, rate=RATE, input=True, frames_per_buffer=CHUNK) print("recording...") frames = [] for i in range(0, int(RATE / CHUNK * RECORD_SECONDS)): data = stream.read(CHUNK) frames.append(data) print("finished recording") # stop Recording stream.stop_stream() stream.close() audio.terminate() waveFile = wave.open(WAVE_OUTPUT_FILENAME, 'wb') waveFile .setnchannels(CHANNELS) waveFile .setsampwidth(audio.get_sample_size(FORMAT)) waveFile .setframerate(RATE) waveFile .writeframes(b''.join(frames)) waveFile .close() 在代码中，首先导入了 PyAudio 和 wave 库，然后定义了录音参数（如采样格式、声道数、采样率等）。接下来，代码打开了一个录音流，并在录音过程中将 音频 数据读入到帧列表中。最后，代码停止录音流，并将录制的 音频 保存 到一个 WAV 文件中。