为何使用tfio.audio.resample重采样音频后时长与样本数异常变化？

你的问题核心是没有正确解析WAV文件的样本数据，直接把原始文件字节流传给了tfio.audio.resample函数，导致重采样的输入样本数完全错误。

正确逻辑梳理 #

原音频的参数计算是对的：22050个样本、44.1kHz采样率，时长为22050 / 44100 = 0.5秒。重采样到16kHz时，正确的目标样本数应该是0.5 * 16000 = 8000个，时长理应保持0.5秒。

错误产生的根源 #

tfio.audio.resample的第一个参数要求传入解码后的音频样本张量，而非原始WAV文件的字节内容。如果你直接把tf.io.read_file读取的原始文件字节传给它，函数会错误地将每个字节视为一个音频样本点。假设你的文件刚好有32000字节左右，函数就会基于这个错误的样本数计算重采样，最终输出的样本数和时长自然完全偏离预期。

正确处理流程 #

1. 先解码WAV文件，提取真实的样本数据和采样率：

audio_bytes = tf.io.read_file("你的音频文件.wav")
audio_samples, orig_sample_rate = tfio.audio.decode_wav(audio_bytes)

这里的audio_samples是维度为[样本数, 通道数]的张量，才是真正可用于重采样的音频数据。

2. 对解码后的样本执行重采样：

resampled_audio = tfio.audio.resample(audio_samples, rate_in=44100, rate_out=16000)

此时查看tf.shape(resampled_audio)[0]，结果会接近8000，时长保持0.5秒，符合预期。

内容的提问来源于stack exchange，提问作者chaos24