我正在尝试使用最初为.SPH格式的音频文件来训练神经网络 . 我需要获得表示神经网络声波振幅的整数，所以我使用sox将文件转换为.wav格式，调用 sox infile.SPH outfile.wav remix 1-2 （将两个通道转换为1的混音），然后尝试在matlab中使用 [y, Fs, nbits, opts] = wavread('outfile.wav') 获取整数表示 .
然而，matlab扔了 Data compression format (CCITT mu-law) is not supported. 所以我使用 sox infile.SPH -b 16 -e signed-integer -c 1 outfile.wav ，我认为将波形文件放在线性格式而不是mu-law . 但现在matlab又抛出了一个错误： Invalid Wave File. Reason: Cannot open file.
我的音频文件是8000赫兹u-law单通道或双通道，全部是8位，我认为（肯定是8位单声道） .
-
有没有办法使用matlab或任何其他程序从音频文件中获取整数表示？无论是u律还是线性都可以，除非有人对神经网络训练更好 . 最好是8位，因为源文件是8位的 .
-
我真的不明白.SPH . 对于未压缩的（并忽略 Headers ），存储幅度的文件（猜测它必须以某种方式）？我可以直接从这些文件中提取数字而不用浪费吗？信号是否以顺序方式存储，以便分割音频文件有意义？
我是一般的音频处理新手，所以任何指针都将不胜感激！
1 回答
你需要清楚地确定主要任务：用向量或矩阵喂养神经网络 . 所以第一步是处理音频文件（没有matlab！）以获得wav文件 . 第二步是用matlab进行神经网络设置/训练 .
我会尝试解压缩'sph'文件，然后将它们转换为'wav'（例如，请参阅说明here和here） .
最后，在命令/终端窗口中使用sox比在matlab控制台中使用sox更好 .