您可以使用tf.py_func来 Package load_audio_file()。

import tensorflow as tf

tf.enable_eager_execution()

def load_audio_file(file_path):
    # you should decode bytes type to string type
    print("file_path: ",bytes.decode(file_path),type(bytes.decode(file_path)))
    return file_path

train_dataset = tf.data.Dataset.list_files('clean_4s_val/*.wav')
train_dataset = train_dataset.map(lambda x: tf.py_func(load_audio_file, [x], [tf.string]))

for one_element in train_dataset:
    print(one_element)

file_path:  clean_4s_val/1.wav <class 'str'>
(<tf.Tensor: id=32, shape=(), dtype=string, numpy=b'clean_4s_val/1.wav'>,)
file_path:  clean_4s_val/3.wav <class 'str'>
(<tf.Tensor: id=34, shape=(), dtype=string, numpy=b'clean_4s_val/3.wav'>,)
file_path:  clean_4s_val/2.wav <class 'str'>
(<tf.Tensor: id=36, shape=(), dtype=string, numpy=b'clean_4s_val/2.wav'>,)

更新TF 2

上述解决方案将不适用于TF 2（使用2.2.0测试），即使将tf.py_func替换为tf.py_function，也会出现以下情况

InvalidArgumentError: TypeError: descriptor 'decode' requires a 'bytes' object but received a 'tensorflow.python.framework.ops.EagerTensor'

要使其在TF 2中工作，请进行以下更改：

• 删除tf.enable_eager_execution()（eager在TF 2中是enabled by default，您可以使用返回True的tf.executing_eagerly()来验证它）
• 将tf.py_func替换为tf.py_function
• 将file_path的所有函数内引用替换为file_path.numpy()

如果你想做一些完全自定义的事情，那么你应该把你的代码 Package 在tf.py_function中。请记住，这将导致性能下降。请参阅这里的文档和示例：
https://www.tensorflow.org/api_docs/python/tf/data/Dataset#map
另一方面，如果你做的是一般性的事情，那么你不需要用py_function来 Package 你的代码，而是使用tf.strings模块中提供的任何方法。这些方法是为了处理字符串Tensor而设计的，并提供了许多常见的方法，如split、join、len等。这些方法不会对性能产生负面影响，它们将直接处理Tensor并返回修改后的Tensor。
请在此处查看tf.strings的文档：https://www.tensorflow.org/api_docs/python/tf/strings
例如，假设您要从文件名中提取标签的名称，则可以编写如下代码：

ds.map(lambda x: tf.strings.split(x, sep='$')[1])

以上假设标签由$分隔。

如果您真的只想将Tensor展开到其字符串内容-您需要序列化TFRecord以便使用tf_example.SerializeToString（）-以获取（可打印的）字符串值-请参见here

你可以在bytes对象上使用.decode("utf-8")函数，这是你在对Tensor应用.numpy()方法后得到的