python读写音频文件小结
程序员文章站
2022-05-04 14:08:40
...
在语音处理中,音频文件读写是基本操作。
然而读写方式乃至归一化处理的多样化,有可能导致后续处理的偏差乃至错误。
本文汇集实践中所遇的一些方法,并参考了其他文章,确保读写操作的准确性和一致性。
前置条件
本文以实践中常见的音频文件参数(wav格式,PCM编码,单通道,采样率16KHz,位深16bit)为例,如果参数不同需做对应调整。
一. 文件读取
1. librosa
import librosa
wav_path=''
sample_rate=16000
data = librosa.core.load(wav_path, sr=sample_rate)[0]
print(type(data)) #<class 'numpy.ndarray'>
返回的数组数据类型为float32,数据大小位于(-1,1)之间。该接口内部其实是调用soundfile实现,和方法2类似。
2. soundfile
import soundfile as sf
wav_path=''
with sf.SoundFile(wav_path) as sf_desc:
data = sf_dest.read(dtype=np.float32)
print(type(data)) #<class 'numpy.ndarray'>
或者如下方式:
import soundfile as sf
wav_path=''
data = sf.read(wav_path)[0]
print(type(data)) #<class 'numpy.ndarray'>
3. scipy
from scipy.io import wavfile
wav_path=''
data = wavfile.read(wav_path)[1]
data = data / 32768 #2^15
print(type(data)) #<class 'numpy.ndarray'>
该方法需注意的是调用read后返回的数据为int,需要除以32768(2^15,由于位深16bit),才能与其他读取方式获取数据保持一致。
4. wave
from wave
wav_path=''
with wave.open(wav_path, 'rb') as f:
params = f.getparams()
nchannels, sampwidth, framerate, nframes = params[0:4]
strdata = f.readframes(nframes)
data = np.fromstring(strdata, dtype=np.int16)
data = data / 32768
print(type(data)) #<class 'numpy.ndarray'>
wave为python内置包,但该方法读取过程略显麻烦,同样需要除以32768。
二. 文件写入
1. soundfile
import soundfile as sf
write_wav_path=''
sf.write(write_wav_path, data, sample_rate, 'PCM_16')
写入和读取一样简单。
2. scipy
from scipy.io import wavfile
write_wav_path=''
data *= 32768
wavefile.write(write_wav_path, sample_rate, data.astype(np.int16))
与读取相反(除以32768,转为float32),需要将数据乘以32768,并转为int进行保存。
3. wave
from wave
write_wav_path=''
nchannels=1
sampwidth=2
framerate=16000
nframes=len(data)
comptype='NONE'
compname='not compressed'
with open(write_wav_path, 'wb') as fw:
fw.setparams(nchannels, sampwidth, framerate, nframes, comptype, compname)
data=(data*32768).astype(np.int16)
fw.writeframes(data.tostring())
该方法写入过程仍然麻烦,并同样需要乘以32768,转为int。
三. 小结
除了以上列出方法,还存在其他读写方法,例如kaldiio包等。并且以上方法没有考虑时间复杂度差异,有兴趣的同学可以自己试试。
上一篇: [PHP]算法-归并排序的PHP实现
下一篇: python爬虫爬取海量病毒文件