基于CNN的说话人识别代码运行报错：TypeError: ReadFile操作的输入'filename'类型为float32，与预期的string类型不匹配

这个错误的核心原因是你传入tf.io.read_file的路径不是字符串类型，而是被错误转换成了float32张量，通常是因为你的audio_paths列表中混入了非字符串的路径对象（比如Path类实例），TensorFlow无法正确解析这类对象，只能将其强制转换为数值类型。

问题定位 #

看你代码中构建路径的片段：

dir_path = Path(DATASET_AUDIO_PATH) / name
speaker_sample_paths = [
    os.path.join(dir_path, filepath)
    for filepath in os.listdir(dir_path) if filepath.endswith(".wav")
]

这里dir_path是Path对象，使用os.path.join拼接Path对象和字符串时，返回的结果可能还是Path实例，而非原生Python字符串。当TensorFlow将这些Path对象转换为张量时，无法识别其为字符串类型，最终被错误转为float32，导致tf.io.read_file触发类型不匹配的报错。

解决方案 #

修改路径构建逻辑，确保所有路径都是字符串类型：

dir_path = Path(DATASET_AUDIO_PATH) / name
speaker_sample_paths = [
    # 用Path的/运算符拼接后，显式转为字符串
    str(dir_path / filepath)
    for filepath in os.listdir(dir_path) if filepath.endswith(".wav")
]

或者也可以先把dir_path转为字符串再用os.path.join：

dir_path = Path(DATASET_AUDIO_PATH) / name
speaker_sample_paths = [
    os.path.join(str(dir_path), filepath)
    for filepath in os.listdir(dir_path) if filepath.endswith(".wav")
]

额外提示（避免后续踩坑） #

你的tf.audio.decode_wav调用参数存在小问题：

audio, _ = tf.audio.decode_wav(audio, 1, SAMPLING_RATE)

根据TensorFlow官方文档，tf.audio.decode_wav的第二个参数是desired_channels（目标声道数），第三个参数是desired_samples（目标样本数），不是采样率。如果需要将音频重采样到SAMPLING_RATE，需要在解码后添加重采样步骤：

audio, sample_rate = tf.audio.decode_wav(audio, desired_channels=1)
audio = tf.audio.resample(audio, sample_rate, SAMPLING_RATE)

这样修改后，你的数据集构建流程就能正确处理路径，解决当前的类型错误。

内容的提问来源于stack exchange，提问作者Abdelrahman Salah