【解决】librosa.load MP3返回空或报错Input signal length=0 is too small to resample from

小锋学长生活大爆炸

发布于 2023-03-01 14:03:55

7390

发布于 2023-03-01 14:03:55

文章被收录于专栏：小锋学长生活大爆炸小锋学长生活大爆炸

转载请注明出处：小锋学长生活大爆炸[xfxuezhang.cn]

问题复现

这个问题隐藏的比较深，明明读取是对的，但就是报错：

或者我被迫改成48K，虽然读取的时长是对的，但返回为空数组：

问题分析

用pydub.utils.mediainfo()去分析，可以发现，它对音频start_time=0的音频都会报这个错，而start_time != 0的就可以正确加载。

# pip install pydub

import pydub

mp3_file_path = "sample-000001.mp3"
print(pydub.utils.mediainfo(mp3_file_path))

解决方法

方案一

这里提出了一个临时的、最简单粗暴解决方法：

load时候指定一下他的持续时间duration即可，但注意需要比真正的时长短一点且为整数。

import math

duration=math.floor(librosa.get_duration(filename=mp3_file_path))
y, sr = librosa.load(mp3_file_path, sr=48000, duration=duration)

缺点也很明显，后面的数据没有了：

方法太蠢了，不建议使用。

方案二

我发现他读取wav时候不会出现这个问题，因此我们可以先转为wav格式，然后在load。

sound = pydub.AudioSegment.from_mp3("sample-000001.mp3")
sound.export("sample-000001.wav", format="wav")

y, sr = librosa.load("sample-000001.wav", sr=44000)

这样就完整了：

推荐。

方案三

既然方案二中可以通过pydub正确读取mp3来导出wav，那我能不能直接通过pydub读取后转为librosa格式呢？一顿好找后：

import librosa
import numpy as np
import os

sr = 44000
sound = pydub.AudioSegment.from_file(mp3_file_path).set_frame_rate(sr)
channel_sounds = sound.split_to_mono()
samples = [s.get_array_of_samples() for s in channel_sounds]
y= np.array(samples).T.astype(np.float32)
y/= np.iinfo(samples[0].typecode).max
y = y.reshape(-1)

效果也是可以的：

推荐推荐。

方案四

一个想法是，既然方案一中的start_time=0会影响读取，那如果我直接把mp3文件的metadata中的start_time改成N/A或者0.0001，会不会也有用呢？不过暂时没有多找方法，因此这里没有尝试。

附录

画图部分的代码

# Plot the signal stored in 'y'
from matplotlib import pyplot as plt
import librosa.display

plt.figure(figsize=(12, 3))
plt.title("Audio signal as waveform")
librosa.display.waveshow(y, sr=sr)

封装音频读取的代码

def audio_load1(file_path, sr):
    '''直接使用pydub读取mp3，用librosa读取wav'''
    if file_path.endswith('.mp3'):
        sound = pydub.AudioSegment.from_file(file_path).set_frame_rate(sr)
        channel_sounds = sound.split_to_mono()
        samples = [s.get_array_of_samples() for s in channel_sounds]
        y = np.array(samples).T.astype(np.float32)
        y /= np.iinfo(samples[0].typecode).max
        y = y.reshape(-1)
    else:
        y, sr = librosa.load(file_path, sr=sr)
    return y, sr


def audio_load2(file_path, sr):
    '''先尝试用pydub读取，失败则用librosa读取'''
    try:
        y, sr = librosa.load(file_path, sr=sr)
        _ = y[0]
    except Exception as e:
        print('使用librosa读取失败，将转用pydub')
        sound = pydub.AudioSegment.from_file(file_path).set_frame_rate(sr)
        channel_sounds = sound.split_to_mono()
        samples = [s.get_array_of_samples() for s in channel_sounds]
        y = np.array(samples).T.astype(np.float32)
        y /= np.iinfo(samples[0].typecode).max
        y = y.reshape(-1)
    return y, sr

欢迎补充！

本文参与腾讯云自媒体分享计划，分享自作者个人站点/博客。

原始发表：2023-02-09，如有侵权请联系 cloudcommunity@tencent.com 删除

load