将音频文件转换为适用于CMU Sphinx 4的输入格式。

Question

将音频文件转换为适用于CMU Sphinx 4的输入格式。

javaaudioffmpegspeech-recognitioncmusphinx

8

我有一大批文件，想使用CMU Sphinx 4进行识别。 Sphinx需要以下格式：

16 khz
16 bit
单声道
小端

我的文件大约为44100 khz的32位立体声mp3文件。我尝试使用Tritonus，然后使用bakuzen的代码来转换它的更新版本JavaZoom。但是，AudioSystem.getAudioInputStream(File)抛出一个UnsupportedAudioFileException，而且我无法找出原因，所以我就放弃了。

现在我正在尝试使用ffmpeg。命令ffmpeg -i input.mp3 -ac 1 -ab 16 -ar 16000 output.wav似乎可以完成任务（除了小端），但是当我用Audacity检查输出时，它仍然标记为“32位浮点数”。我在this site上找到的命令也使用-acodec pcm_s16le，从其名称中看来，它输出16位小端；但是，Audacity仍然告诉我输出是32位浮点数。

有人能告诉我如何将音频文件转换为CMU Sphinx 4所需的格式吗？

- Nate Glenn

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- llogan · Accepted Answer

你实际上尝试了在CMU Sphinx 4中使用ffmpeg的输出吗？Audacity中32位浮点数可能是您的默认采样格式（编辑>首选项>质量）。我猜它会将任何导入的文件转换为这些设置，因此可能不报告实际文件的参数，而是Audacity中的工作文件。

删除-ab 16。这将指示编码器使用16位/秒，但ffmpeg无论如何都会忽略它，针对pcm_s16le。因此，您的命令将如下所示：

ffmpeg -i input.mp3 -acodec pcm_s16le -ac 1 -ar 16000 output.wav

在Linux中转换目录中的所有mp3文件：

for f in *.mp3; do ffmpeg -i "$f" -acodec pcm_s16le -ac 1 -ar 16000 "${f%.mp3}.wav"; done

或者Windows：

for /r %i in (*) do ffmpeg -i %i -acodec pcm_s16le -ac 1 -ar 16000 %i.wav

在Windows批处理文件中：

for /r %%i in (*.mp3) do ffmpeg -i "%%i" -acodec pcm_s16le -ac 1 -ar 16000 "%i.wav"

你可以使用file、ffmpeg、ffprobe、mediainfo等其他工具来查看文件信息：

您可以使用 file，ffmpeg，ffprobe，mediainfo 等实用工具查看文件信息：

$ file hjl0bC.wav 
hjl0bC.wav: RIFF (little-endian) data, WAVE audio, Microsoft PCM, 16 bit, mono 16000 Hz

$ ffmpeg -i hjl0bC.wav
[...]
Stream #0:0: Audio: pcm_s16le ([1][0][0][0] / 0x0001), 16000 Hz, mono, s16, 256 kb/s