为何librosa与tensorflow加载同一份wav文件得到的采样率不同

这个差异是两个库的默认加载逻辑不同导致的，和原文件本身无关：

• tf.audio.decode_wav() 读取音频时不会默认执行重采样操作，会直接解析WAV文件头中存储的原始采样参数返回，你通过Audacity重采样后文件的原生采样率就是16000Hz，所以返回结果和实际情况一致。
• librosa.load() 有默认重采样逻辑，函数的sr参数默认值为22050，只要你不主动修改这个参数，无论原文件采样率是多少，librosa都会自动把音频重采样到22050Hz后再返回，你打印的sr2是重采样后的目标采样率，不是原文件的真实采样率。

两个库的返回结果都符合自身的设计逻辑，没有对错之分，按需选择即可：

• 如果要获取WAV文件的原生采样率，优先参考TensorFlow的返回结果，也可以修改librosa的调用代码为y, sr2 = librosa.load(f, sr=None)，手动指定sr=None后librosa就会跳过自动重采样步骤，直接返回原文件的采样率与原始音频数据。
• 如果你后续的音频处理流程本身要求统一使用22050Hz的采样率，librosa的默认返回结果也完全准确，可以直接使用。

内容的提问来源于stack exchange，提问作者Tobi Lawful