librosa.load() 加载（样本）mp3 文件需要太长时间

Question

我正在尝试使用

librosa

库通过以下 Python 代码对 mp3 文件进行采样（将模拟转换为数字），但这需要太多时间（一个文件大约需要 4 秒）。我怀疑这是因为

librosa

不支持

mp3

，因此使用较慢的

audioread

来采样

mp3

代码：

import time
import librosa

s = time.time()
for i in mp3_list[:10]: # list of mp3 file paths, doing for 10 files
    y, sr = librosa.load(i)

print('time taken =', time.time() - s)

time taken = 36.55561399459839

我也收到此警告：

UserWarning: "PySoundFile failed. Trying audioread instead."

显然，这对于任何实际应用来说都太长了。我想知道是否有更好的替代方案？

为了比较，采样 10 个相同大小的

1.2

转换总共只花费了大约

wav

秒的时间

Answer 1

所以警告有点暗示了。 Librosa 开发人员在这个 GitHub 问题中解决了类似的问题：

加载 mp3 时总会出现此警告，因为 libsndfile （目前）不支持 mp3 格式。 Librosa 尝试使用 首先是 libsndfile，如果失败，它将依赖于 audioread 包，它有点慢而且更脆弱，但是 支持更多格式。

这在Librosa代码中得到了确认：

try ... except RuntimeError ...

因此，在这种情况下你可以做的就是实现自己的

load()

，直接使用

audioread

来避免在

librosa.load()

的第一个块中浪费时间，或者你可以使用不同的库，例如pydub。或者，您可以在加载之前使用 ffmpeg 将 mp3 转换为 Wave。

Answer 2

既然librosa最终使用'audioread'来读取MP3文件，为什么不直接使用'audioread'，它是librosa包的一部分？

import librosa
import audioread
import numpy as np
from time import time

t = time()
y, sr = librosa.load(file)
t1 = time()-t

t = time() 
with audioread.audio_open(file) as f: 
  nchannels = f.channels
  data = f.read_data()
  ba = bytearray()
  for block in data: ba.extend(block)
  y = np.frombuffer(ba, dtype='<i2').reshape(-1, nchannels)

t2 = time()-t
print("Librosa time:",t1) 
print("Audioread time:",t2) 

结果： 图书馆时间：20.083969354629517 音频阅读时间：0.20102357864379883 快 100 倍！

嗯，这是在新会话开始时，即在缓存 librosa 代码之前。第二次，librosa 时间大约是一半。尽管如此，“有声读物”还是快了 50 倍。事实上，你甚至感觉不到“有声读物”的时间。

您可以使用您的“文件”进行测试。我显示的结果是 183,990 字节、45 秒的 MP3 文件。