我正在尝试使用袖珍狮身人面像来转录音频文件。
pocketsphinx_continuous -infile 116-288045-0005.flac.wav
但是我得到了错误:
ERROR: "continuous.c", line 136: Input audio file has sample rate [44100],
but decoder expects [16000]
FATAL: "continuous.c", line 165: Failed to process file '116-288045-0005.flac.wav'
due to format mismatch.
这是我需要转录的音频文件之一:Download from GitHub
最终，我将在5个小时以上的时间内批量转录此类音频文件，目前它们都引发了相同的错误。
这是我要转录的同一文件的一些统计信息:
$ soxi 116-288045-0000.flac.wav
Input File : '116-288045-0000.flac.wav'
Channels : 1
Sample Rate : 44100
Precision : 16-bit
Duration : 00:00:10.65 = 469665 samples = 798.75 CDDA sectors
File Size : 939k
Bit Rate : 706k
Sample Encoding: 16-bit Signed Integer PCM
此文件的某些配置可能有问题，我已经进行了一些预处理，以将其与mp3合并，从flac转换为wav等。
现在让我开始转录工作的最简单方法是什么？
是否可以不重新采样回低至16kHz的文件。最初，flac文件的采样率为16kHz，但是我不得不将它们与44.1kHz的mp3文件合并。因此，现在其中有一些高频信息，如果重新采样到16k，则可能会丢失。
最佳答案
将音频重新采样为16000样本，然后重试。
您可以像这样重新采样sox file.wav -r 16000 file-16000.wav
关于bash - 预期的音频采样率与实际不匹配？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/46828820/