如何用JavaScript读取WAV音频并转换为[-1,1]适配YAMNet模型

我想要使用YAMNet TensorFlow模型，但该模型要求输入的张量范围为[-1, 1]。请问如何实现将WAV音频读取并转换为该范围？

方案一 #

借助wavefile库简化WAV处理流程，该库会自动将音频样本归一化到[-1, 1]范围：

const readWavAudio = async () => {
  const wavfiles = await fs.readFileSync('archive/dataset/1/1_484.wav');
  const wav = new wavefile.WaveFile();
  wav.fromBuffer(wavfiles);
  wav.toSampleRate(16000); // YAMNet要求采样率为16kHz
  return wav.getSamples(false, Float32Array);
};

说明：wavefile的getSamples方法在指定返回Float32Array时，会自动将整数格式的音频样本（如16位、24位）归一化到[-1, 1]，同时支持处理多声道音频，false参数表示不合并声道。

方案二 #

手动读取32位浮点格式的WAV文件，直接提取[-1, 1]范围的样本值：

async function readbuf_async() {
  const data = fs.readFileSync("teste.wav");
  const buffer = [];

  // 按4字节为单位读取大端浮点数据（适配32位浮点WAV格式）
  for (let o = 0; o < data.length - 4; o += 4) {
    buffer.push(data.readFloatBE(o));
  }

  return buffer;
}

说明：该方法仅适用于32位浮点格式的WAV文件，这类文件的样本值本身就处于[-1, 1]范围内。如果是其他整数格式的WAV，需要手动计算归一化（比如16位整数要除以32768）。

内容的提问来源于stack exchange，提问作者Felipe Stabel de Carvalho Schi