如何将.wav文件转换为tfrecord文件？TensorFlow新手求助

一、先解决tf.audio.decode_wav的报错问题 #

tf.audio.decode_wav的contents参数要求传入文件二进制内容，不是文件路径，直接传路径肯定报错。正确用法：

import tensorflow as tf

# 先读取WAV文件的二进制数据
wav_bin = tf.io.read_file("你的WAV文件路径.wav")
# 再解码得到音频张量和采样率
audio_tensor, sample_rate = tf.audio.decode_wav(wav_bin, desired_channels=-1, desired_samples=-1)

二、将WAV文件转为分片TFRecord（格式如.tfrecord-00000-of-00008） #

下面提供两种可行方法：

方法1：用tf.data.experimental.save自动生成分片 #

这是最省心的方式，自动按指定分片数生成目标格式文件：

• 第一步：收集所有WAV文件路径

  import glob
  # 替换成你的WAV文件所在目录
  wav_paths = glob.glob("/path/to/your/wavs/*.wav")
  

• 第二步：定义WAV文件处理函数，转成TFRecord的Example格式

  def wav_to_example(file_path):
      # 读取并解码WAV
      wav_bin = tf.io.read_file(file_path)
      audio, sr = tf.audio.decode_wav(wav_bin)
      # 构造Example特征
      feature_dict = {
          "audio": tf.train.Feature(float_list=tf.train.FloatList(value=audio.numpy().flatten())),
          "sample_rate": tf.train.Feature(int64_list=tf.train.Int64List(value=[sr.numpy()]))
      }
      example = tf.train.Example(features=tf.train.Features(feature=feature_dict))
      return example.SerializeToString()
  

• 第三步：创建数据集并保存为分片TFRecord

  # 创建数据集
  dataset = tf.data.Dataset.from_tensor_slices(wav_paths)
  # 并行处理每个WAV文件
  dataset = dataset.map(
      lambda path: tf.py_function(wav_to_example, [path], tf.string),
      num_parallel_calls=tf.data.AUTOTUNE
  )
  # 保存为8个分片，替换成你的保存目录
  tf.data.experimental.save(
      dataset,
      path="/path/to/save/tfrecords",
      shard_func=lambda _, idx: idx % 8  # 按索引取模分配分片
  )
  

  执行后，保存目录下会自动生成tfrecord-00000-of-00008到tfrecord-00007-of-00008的分片文件。

方法2：手动写入分片TFRecord #

如果需要更灵活的分片逻辑（比如按文件大小分配），可以手动创建多个写入器：

• 第一步：初始化8个分片写入器

  num_shards = 8
  writers = []
  for shard_id in range(num_shards):
      # 生成目标格式的文件名
      shard_filename = f"output.tfrecord-{shard_id:05d}-of-{num_shards:05d}"
      writers.append(tf.io.TFRecordWriter(shard_filename))
  

• 第二步：遍历WAV文件，写入对应分片

  for idx, path in enumerate(wav_paths):
      # 处理WAV为Example（同方法1的逻辑）
      wav_bin = tf.io.read_file(path)
      audio, sr = tf.audio.decode_wav(wav_bin)
      feature_dict = {
          "audio": tf.train.Feature(float_list=tf.train.FloatList(value=audio.numpy().flatten())),
          "sample_rate": tf.train.Feature(int64_list=tf.train.Int64List(value=[sr.numpy()]))
      }
      example = tf.train.Example(features=tf.train.Features(feature=feature_dict))
      # 按文件索引取模分配分片
      target_shard = idx % num_shards
      writers[target_shard].write(example.SerializeToString())
  

• 第三步：关闭所有写入器

  for writer in writers:
      writer.close()
  

内容的提问来源于stack exchange，提问作者Megan