无法对 librosa Melspectrogram 使用多线程

我有超过 1000 个音频文件（这只是一个初步开发，将来会有更多的音频文件），并且想将它们转换为梅尔谱图。

由于我的工作站配有 Intel® Xeon® 处理器 E5-2698 v3，它有 32 个线程，因此我想使用多线程来完成我的工作。

My code

import os
import librosa
from librosa.display import specshow
from natsort import natsorted
import numpy as np
import sys 
# Libraries for multi thread
from multiprocessing.dummy import Pool as ThreadPool
import subprocess
pool = ThreadPool(20) 

songlist = os.listdir('../opensmile/devset_2015/')
songlist= natsorted(songlist)

def get_spectrogram(song):
    print("start")
    y, sr = librosa.load('../opensmile/devset_2015/' + song)

    ## Add some function to cut y
    y_list = y
    ##

    for i, y_i in enumerate([y_list]): # can remove for loop if no audio is cut
        S = librosa.feature.melspectrogram(y=y, sr=sr, n_mels=128,fmax=8000)
        try:
            np.save('./Test/' + song + '/' + str(i), S)
        except:
            os.makedirs('./Test/' + song)
            np.save('./Test/' + song + '/' + str(i), S)
        print("done saving")

pool.map(get_spectrogram, songlist)

我的问题

但是，我的脚本在完成第一次转换后冻结了。

为了调试发生的事情，我注释掉了S = librosa.feature.melspectrogram(y=y, sr=sr, n_mels=128,fmax=8000)并将其替换为S=0。 然后多线程代码就可以正常工作了。

有什么问题吗librosa.feature.melspectrogram功能？不支持多线程吗？还是ffmpeg的问题？ （使用librosa时，它要求我先安装ffmpeg。）

我建议使用joblib与 librosa 并行处理。我相信 librosa 在内部使用它，所以这可能会避免一些冲突。下面是一个工作示例，基于我经常用来处理一些 10k 文件的代码。

import os.path
import joblib
import librosa
import numpy

def compute(inpath, outpath):
    y, sr = librosa.load(inpath)
    S = librosa.feature.melspectrogram(y=y, sr=sr, n_mels=128, fmax=8000)
    numpy.save(outpath, S)
    return outpath

out_dir = 'temp/'
n_jobs=8
verbose=1

# as an reproducable example just processes the same input file
# but making sure to give them unique output names
inputs = [ librosa.util.example_audio_file() ] * 10
outputs = [ os.path.join(out_dir, '{}.npy'.format(n)) for n in range(len(inputs)) ]

jobs = [ joblib.delayed(compute)(i, o) for i,o in zip(inputs, outputs) ]
out = joblib.Parallel(n_jobs=n_jobs, verbose=verbose)(jobs)

print(out)

Output

[Parallel(n_jobs=8)]: Using backend LokyBackend with 8 concurrent workers.
[Parallel(n_jobs=8)]: Done   6 out of  10 | elapsed:   10.4s remaining:    6.9s
[Parallel(n_jobs=8)]: Done  10 out of  10 | elapsed:   13.2s finished
['temp/0.npy', 'temp/1.npy', 'temp/2.npy', 'temp/3.npy', 'temp/4.npy', 'temp/5.npy', 'temp/6.npy', 'temp/7.npy', 'temp/8.npy', 'temp/9.npy']