如何在midi-ddsp模型代码中导出音频？运行进度停滞求助

1. 导出数组格式的合成音频 #

synthesized_audio_changed是Tensor或numpy数组格式的音频数据，可通过以下方法导出为WAV文件：

方法：使用scipy保存WAV #

先安装scipy（如果未安装）：

pip install scipy

然后添加代码保存音频：

from scipy.io.wavfile import write
import numpy as np

# midi-ddsp默认采样率为16000Hz
sample_rate = 16000

# 转换为numpy数组（如果是Tensor格式）
audio_data = synthesized_audio_changed.numpy() if isinstance(synthesized_audio_changed, tf.Tensor) else synthesized_audio_changed

# 将[-1, 1]范围的float32数组转换为WAV兼容的int16格式
audio_int16 = (audio_data * 32767).astype(np.int16)

# 保存到指定路径
write('adjusted_audio.wav', sample_rate, audio_int16)

2. 解决进度停滞问题 #

midi-ddsp并非仅支持Colab环境，本地可正常运行，进度条停滞可从以下方向排查：

• 首次运行的初始化耗时：第一次加载预训练模型或执行推理时，TensorFlow会编译计算图、下载预训练权重，这个过程可能需要数分钟，看似停滞实则在后台运行，耐心等待即可。
• 硬件加速问题：如果用CPU运行，处理2712个步骤会非常缓慢，建议切换到GPU加速（确保安装GPU版TensorFlow，显卡驱动配置正确）。
• 进度条显示异常：本地终端可能不支持tqdm的交互式进度条，导致显示停滞但进程正常运行。可尝试在代码中显式设置进度条参数，或查看终端是否有其他日志输出确认进程状态。
• 路径与文件有效性：确认midi_file的绝对路径正确，且目标MIDI文件存在，路径错误可能导致隐性阻塞。
• TensorFlow版本兼容：midi-ddsp依赖TensorFlow 2.x系列（推荐2.8~2.10版本），版本不匹配可能引发运行异常。执行pip show tensorflow检查版本，必要时调整。
• 进程组配置：在加载模型前显式初始化进程组，避免分布式环境配置问题：

# 放在load_pretrained_model()之前
get_process_group()

如果等待后仍无进展，建议查看终端的报错日志，可能有隐性错误被进度条遮挡。

内容的提问来源于stack exchange，提问作者M.pillow