python - 如何强制 librosa 使用 ffmpeg 而不是 gstreamer

Question

当我在 Windows 中运行下面的代码时，它会生成一个干净的频谱图，但在 Linux(Ubuntu 20.04)中却是一个非常粗糙的频谱图。我怀疑差异与 audioread 后端有关。当我在 Linux 上运行 audioread.available_backends() 时，它会在 ffmpeg 之前报告 gstreamer，但我在 Windows 上没有 gstreamer。这真的是问题吗？如果是这样，有没有办法强制它使用 ffmpeg 而不是 gstreamer？

import argparse
import librosa
import scipy

import matplotlib
import matplotlib.pyplot as plt
matplotlib.use('tkagg')

parser = argparse.ArgumentParser()
parser.add_argument('-i', type=str, default='', help='Path to input file.')
args = parser.parse_args()

signal, rate = librosa.load(args.i, sr=44100, mono=True, res_type='kaiser_fast')

start_seconds = 5.0
end_seconds = 8.0
start_offset = int(start_seconds * rate)
end_offset = int(end_seconds * rate)

f, t, spec = scipy.signal.spectrogram(signal[start_offset:end_offset], fs=rate, mode='magnitude')
                                      
plt.pcolormesh(spec, shading='gouraud')
plt.savefig('test.png')

Answer 1

在这种情况下，使用 ffmpeg 而不是 librosa 解决了这个问题，所以问题就是我认为的问题。我将上面的 librosa.load 调用替换为以下内容:

def buf_to_float(x, *, n_bytes=2, dtype=np.float32):
    scale = 1.0 / float(1 << ((8 * n_bytes) - 1))
    fmt = "<i{:d}".format(n_bytes)
    return scale * np.frombuffer(x, fmt).astype(dtype)

rate = 44100
bytes, _ = (ffmpeg
    .input(args.i)
    .output('-', format='s16le', acodec='pcm_s16le', ac=1, ar=f'{rate}')
    .overwrite_output()
    .run(capture_stdout=True))

signal = np.asarray(buf_to_float(bytes))