Konwersja plików audio do CMU Sphinx 4 wejścia

Question

Mam dużą partię plików chciałbym uruchomić na uznanie za pomocą CMU Sphinx 4. Sphinx wymaga następującego formatu:

• 16 khz
• 16 bit
• mono
• ostrokońcej

Moje pliki są czymś jak 44100 kHz, 32 bit stereo plików mp3. Próbowałem użyć Tritonus, a następnie jego zaktualizowanej wersji JavaZoom, aby przekonwertować za pomocą kodu z bakuzen. Jednak AudioSystem.getAudioInputStream(File) rzuca UnsupportedAudioFileException, a ja nie byłem w stanie dowiedzieć się dlaczego, więc ruszyłem dalej.

Teraz próbuję ffmpeg. Polecenie ffmpeg -i input.mp3 -ac 1 -ab 16 -ar 16000 output.wav wygląda na to, że powinno wystarczyć (z wyjątkiem małego endianina), ale kiedy sprawdzam wyjście z Audacity, wciąż oznacza to jako "32-bitowy float". Polecenie znalezione na this site również używa -acodec pcm_s16le, który od swojej nazwy wydaje się wyprowadzać 16-bitowy mały endian; jednak Audacity nadal mówi mi, że wyjście to 32 bit float.

Czy ktoś może mi powiedzieć, jak konwertować pliki audio do formatu wymaganego przez CMU Sphinx 4?

Answer 1

Czy rzeczywiście wypróbowałeś wyjście z ffmpeg w CMU Sphinx 4? Pętla 32-bitowa jest prawdopodobnie domyślnym formatem próbkowania w Audacity (Edycja> Preferencje> Jakość). Zgaduję, że konwertuje on dowolny importowany plik do tych ustawień, więc może nie raportować parametrów rzeczywistego pliku, ale może działającego pliku w Audacity.

Usuń -ab 16. Poleciłoby to enkoderowi użycie 16 bitów na sekundę, a ffmpeg i tak zignoruje to dla pcm_s16le. Więc polecenie będzie wyglądać następująco:

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

Aby przekonwertować wszystkie pliki mp3 w katalogu w systemie Linux:

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

lub Windows:

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

można zobaczyć informacje o pliku z file, ffmpeg, ffprobe, mediainfo między innymi użytecznościami:

$ 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