python读写音频文件小结

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。