基于Librosa的donateacry-corpus音频增强脚本time_stretch函数TypeError问题

错误原因分析 #

1. Librosa API版本差异：新版本的librosa.effects.time_stretch不再直接接收原始音频数据和拉伸速率作为位置参数，需要先计算音频的短时傅里叶变换（STFT）幅度谱，对幅度谱完成拉伸后再逆变换恢复音频。
2. 自定义函数变量错误：stretch方法定义的参数是y，但函数内部错误引用了未定义的data变量，导致逻辑混乱。

修复后的完整代码 #

import wave
import librosa
import numpy as np
import matplotlib.pyplot as plt
import os
import glob
import scipy
import soundfile as sf

class AudioAugmentation:
    def read_audio_file(self, file_path):
        data, sample_rate = sf.read(file_path)
        return data, sample_rate

    def write_audio_file(self, file, data, sample_rate):
        sf.write(file, data, sample_rate)
        
    def add_noise(self, data, noise_factor):
        noise = np.random.randn(len(data))
        augmented_data = data + noise_factor * noise
        # 转换回原数据类型
        augmented_data = augmented_data.astype(type(data[0]))
        return augmented_data

    def shift(self, data):
        y_shift = data.copy()
        timeshift_fac = 0.5 * 2 * (np.random.uniform() - 0.5)  # 最大偏移长度的50%
        print("timeshift_fac = ", timeshift_fac)
        start = int(y_shift.shape[0] * timeshift_fac)
        print(start)
        if start > 0:
            y = np.pad(y_shift, (start, 0), mode='constant')[0:y_shift.shape[0]]
        else:
            y = np.pad(y_shift, (0, -start), mode='constant')[0:y_shift.shape[0]]
        return y.T

    def stretch(self, y, rate=1.0):
        # 修复：使用参数y而非未定义的data
        input_length = len(y)
        streching = y.copy().astype('float')
        
        # 适配Librosa新版本time_stretch用法
        stft = librosa.stft(streching)
        stft_stretched = librosa.effects.time_stretch(stft, rate=rate)
        streching = librosa.istft(stft_stretched)
        
        # 保持原音频长度
        if len(streching) > input_length:
            streching = streching[:input_length]
        else:
            streching = np.pad(streching, (0, max(0, input_length - len(streching))), "constant")
        
        return streching.astype(type(y[0]))

# 实例化音频增强类
aa = AudioAugmentation()

# 读取并生成增强音频
audio_dir = "/Users/kphil/Documents/UNUD/Capstone/donateacry_corpus_dataset/tired"
output_dir = "/Users/kphil/Documents/UNUD/Capstone/donateacry_corpus_dataset/output/tired"

# 确保输出目录存在
os.makedirs(output_dir, exist_ok=True)

list1 = os.listdir(audio_dir)
print(list1)

for file in list1:
    if not file.startswith('.'):
        print(file)
        data, sr = aa.read_audio_file(os.path.join(audio_dir, file))
        # 添加噪声
        data_noise = aa.add_noise(data, 0.005)
        # 时移
        data_roll = aa.shift(data)
        # 时间拉伸
        data_stretch = aa.stretch(data, 1.1)
        # 保存增强后的音频
        aa.write_audio_file(os.path.join(output_dir, f'generated1_{file}'), data_noise, sr)
        aa.write_audio_file(os.path.join(output_dir, f'generated2_{file}'), data_roll, sr)
        aa.write_audio_file(os.path.join(output_dir, f'generated3_{file}'), data_stretch, sr)

额外优化点 #

• 使用os.path.join拼接路径，避免操作系统路径分隔符差异导致的错误
• 添加os.makedirs(output_dir, exist_ok=True)确保输出目录存在，防止写入失败
• 拉伸后将音频数据转换回原数据类型，避免写入音频文件时出现格式问题

内容的提问来源于stack exchange，提问作者Kevin Philip