在Google Colab中从Google Storage加载wav音频报错的问题咨询

librosa.load 不支持识别 gs:// 协议格式的远程云存储路径。这类音频读取库仅能处理本地磁盘文件、或公开可访问的HTTP/HTTPS链接，传入手动拼接的gs://路径时，库会尝试从Colab本地磁盘匹配同名字符串对应的路径，自然会触发文件不存在的报错。

import numpy as np
import io
import librosa
from google.cloud import storage
import os
from google.colab import auth

# GCS认证与客户端初始化
auth.authenticate_user()
os.environ["GCLOUD_PROJECT"] = "fundpro"
BUCKET = "parli-2020"
gcs = storage.Client()
bucket = gcs.get_bucket(BUCKET)

for blob in bucket.list_blobs(prefix="speech/Transcribe"):
    # 跳过GCS虚拟目录条目，避免误加载非文件对象
    if blob.name.endswith("/"):
        continue
    # 拉取音频字节流到Colab内存，无需落地到本地磁盘
    audio_bytes = blob.download_as_bytes()
    # 包装为类文件对象传入librosa，sr=None保留音频原始采样率
    X, sample_rate = librosa.load(io.BytesIO(audio_bytes), sr=None)

• 遍历blob列表时，带匹配前缀的虚拟目录会以空条目形式出现在遍历结果中，不做判断直接加载也会触发同类文件不存在报错
• 若单文件体积过大（数GB级别），可选择临时将文件下载到Colab本地临时目录加载，避免内存溢出；常规时长的语音文件用字节流内存加载的效率更高
• 不要手动拼接gs://路径字符串传入任何本地文件读取类库，这类库没有内置GCS认证链路，无法解析这类云存储路径

内容的提问来源于stack exchange，提问作者AmaniAli