Python 3.x 将.wav音频文件设置复制到新的.wav文件

目前，我正在使用一个语音到文本转换模型，该模型采用.wav文件，并将音频中的语音转换为文本文本。该模型以前使用直接录制的.wav音频录制。然而，现在我正试图对最初出现在视频中的音频进行同样的处理

步骤如下：

• 通过ffmpeg从流url检索视频文件
• 从视频中删除.aac音频
• 将.aac音频转换为.wav
• 将.wav保存到s3以便以后使用

下面列出了我使用的ffmpeg命令，以供参考：

  rm /tmp/jonas/*
  ffmpeg -i {stream_url} -c copy -bsf:a aac_adtstoasc /tmp/jonas/{filename}.aac
  ffmpeg -i /tmp/jonas/{filename}.aac /tmp/jonas/{filename}.wav
  aws s3 cp /tmp/jonas/{filename}.wav {s3_audio_save_location}

现在的问题是，我的语音到文本模型不再适用于此音频。我使用sox来转换音频，但sox似乎无法捕获音频。同样，如果没有sox，模型也无法工作。这使我相信.wav音频格式和之间存在差异，因此我想知道如何使用与.wav相同的设置格式化.wav，使其正常工作或找到一种方法来比较.wav音频格式，并通过ffmpeg手动将新的.wav设置为正确的格式

我尝试使用PyPy exiftool并找到了两个文件的元数据：

工作.wav文件的元数据为

无法工作的.wav文件的元数据为

可以看到，工作的.wav文件有一些不同的设置，我想在第二个.wav文件中模拟这些设置，这可能会使我的模型再次工作：）

致以亲切的问候，

---

Jonas

我找到了答案，需要将.aac到.wavs的转换调整为以下行：

ffmpeg -i /tmp/jonas/{filename}.aac -ac 1 -ar 8000 /tmp/jonas/{filename}.wav

---

.aac直接从视频中复制-ac调整通道的数量-ac调整采样率

1）您可以将两个ffmpeg命令组合成一个：

ffmpeg-i{stream_url}-ac 1-ar 8000/tmp/jonas/{filename}.wav

2）文本到语音转换不能与48000一起使用似乎有些奇怪，但可以接受更糟糕的8000。检查它是否只需要单声道，并在不修改采样率的情况下进行尝试（

-ar

）。我确实尝试将ffmpeg命令组合在一起，但是出于某种奇怪的原因，当我下载并手动收听.wav之后，只有前2秒左右的音频可用，之后它是空的。很奇怪。关于抽样率的公平点。会试着在第一批成绩单之后看看它是否对成绩单的质量有影响，thnx！下次请记住，文本图像不如复制和粘贴文本理想。图像通常更难解析，不必要地占用更多空间，在可访问性方面无法使用，并且文本无法从图像复制。