python音頻處理用到的操作的示例代碼

2020-01-04 16:24:23

字體：大中小

來源：轉載

供稿：網友

前言

本文主要記錄python下音頻常用的操作，以.wav格式文件為例。其實網上有很多現成的音頻工具包，如果僅僅調用，工具包是更方便的。

更多pyton下的操作可以參考：用python做科學計算

1、批量讀取.wav文件名：

這里用到字符串路徑：

1.通常意義字符串(str)
2.原始字符串，以大寫R 或小寫r開始，r''，不對特殊字符進行轉義
3.Unicode字符串，u'' basestring子類

如：

path = './file/n'path = r'./file/n'path = './/file//n'

三者等價，右劃線/為轉義字符，引號前加r表示原始字符串，而不轉義（r:raw string）.

常用獲取幫助的方式：

>>> help(str)>>> dir(str)>>> help(str.replace)

2、讀取.wav文件

wave.open 用法：

wave.open(file,mode)

mode可以是：

‘rb'，讀取文件；

‘wb'，寫入文件;

不支持同時讀/寫操作。

Wave_read.getparams用法：

f = wave.open(file,'rb')params = f.getparams()nchannels, sampwidth, framerate, nframes = params[:4]

其中最后一行為常用的音頻參數：

nchannels:聲道數
sampwidth:量化位數（byte）
framerate:采樣頻率
nframes:采樣點數

單通道

對應code:

import waveimport matplotlib.pyplot as pltimport numpy as npimport os filepath = "./data/" #添加路徑filename= os.listdir(filepath) #得到文件夾下的所有文件名稱 f = wave.open(filepath+filename[1],'rb')params = f.getparams()nchannels, sampwidth, framerate, nframes = params[:4]strData = f.readframes(nframes)#讀取音頻，字符串格式waveData = np.fromstring(strData,dtype=np.int16)#將字符串轉化為intwaveData = waveData*1.0/(max(abs(waveData)))#wave幅值歸一化# plot the wavetime = np.arange(0,nframes)*(1.0 / framerate)plt.plot(time,waveData)plt.xlabel("Time(s)")plt.ylabel("Amplitude")plt.title("Single channel wavedata")plt.grid('on')#標尺，on：有，off:無。

結果圖：

python,音頻處理

多通道

這里通道數為3，主要借助np.reshape一下，其他同單通道處理完全一致，對應code:

# -*- coding: utf-8 -*-"""Created on Wed May 3 12:15:34 2017 @author: Nobleding""" import waveimport matplotlib.pyplot as pltimport numpy as npimport os filepath = "./data/" #添加路徑filename= os.listdir(filepath) #得到文件夾下的所有文件名稱 f = wave.open(filepath+filename[0],'rb')params = f.getparams()nchannels, sampwidth, framerate, nframes = params[:4]strData = f.readframes(nframes)#讀取音頻，字符串格式waveData = np.fromstring(strData,dtype=np.int16)#將字符串轉化為intwaveData = waveData*1.0/(max(abs(waveData)))#wave幅值歸一化waveData = np.reshape(waveData,[nframes,nchannels])f.close()# plot the wavetime = np.arange(0,nframes)*(1.0 / framerate)plt.figure()plt.subplot(5,1,1)plt.plot(time,waveData[:,0])plt.xlabel("Time(s)")plt.ylabel("Amplitude")plt.title("Ch-1 wavedata")plt.grid('on')#標尺，on：有，off:無。plt.subplot(5,1,3)plt.plot(time,waveData[:,1])plt.xlabel("Time(s)")plt.ylabel("Amplitude")plt.title("Ch-2 wavedata")plt.grid('on')#標尺，on：有，off:無。plt.subplot(5,1,5)plt.plot(time,waveData[:,2])plt.xlabel("Time(s)")plt.ylabel("Amplitude")plt.title("Ch-3 wavedata")plt.grid('on')#標尺，on：有，off:無。plt.show()

效果圖：

python,音頻處理

單通道為多通道的特例，所以多通道的讀取方式對任意通道wav文件都適用。需要注意的是，waveData在reshape之后，與之前的數據結構是不同的。即waveData[0]等價于reshape之前的waveData，但不影響繪圖分析，只是在分析頻譜時才有必要考慮這一點。

3、wav寫入

涉及到的主要指令有三個：

參數設置：

nchannels = 1 #單通道為例sampwidth = 2fs = 8000data_size = len(outData)framerate = int(fs)nframes = data_sizecomptype = "NONE"compname = "not compressed"outwave.setparams((nchannels, sampwidth, framerate, nframes, comptype, compname))

待寫入wav文件的存儲路徑及文件名：

outfile = filepath+'out1.wav'outwave = wave.open(outfile, 'wb')#定義存儲路徑以及文件名

數據的寫入：

for v in outData:outwave.writeframes(struct.pack('h', int(v * 64000 / 2)))#outData:16位，-32767~32767，注意不要溢出

單通道數據寫入：

import wave#import matplotlib.pyplot as pltimport numpy as npimport osimport struct #wav文件讀取filepath = "./data/" #添加路徑filename= os.listdir(filepath) #得到文件夾下的所有文件名稱 f = wave.open(filepath+filename[1],'rb')params = f.getparams()nchannels, sampwidth, framerate, nframes = params[:4]strData = f.readframes(nframes)#讀取音頻，字符串格式waveData = np.fromstring(strData,dtype=np.int16)#將字符串轉化為intwaveData = waveData*1.0/(max(abs(waveData)))#wave幅值歸一化f.close()#wav文件寫入outData = waveData#待寫入wav的數據，這里仍然取waveData數據outfile = filepath+'out1.wav'outwave = wave.open(outfile, 'wb')#定義存儲路徑以及文件名nchannels = 1sampwidth = 2fs = 8000data_size = len(outData)framerate = int(fs)nframes = data_sizecomptype = "NONE"compname = "not compressed"outwave.setparams((nchannels, sampwidth, framerate, nframes,  comptype, compname)) for v in outData:    outwave.writeframes(struct.pack('h', int(v * 64000 / 2)))#outData:16位，-32767~32767，注意不要溢出outwave.close()

多通道數據寫入：

多通道的寫入與多通道讀取類似，多通道讀取是將一維數據reshape為二維，多通道的寫入是將二維的數據reshape為一維，其實就是一個逆向的過程：

import wave#import matplotlib.pyplot as pltimport numpy as npimport osimport struct #wav文件讀取filepath = "./data/" #添加路徑filename= os.listdir(filepath) #得到文件夾下的所有文件名稱 f = wave.open(filepath+filename[0],'rb')params = f.getparams()nchannels, sampwidth, framerate, nframes = params[:4]strData = f.readframes(nframes)#讀取音頻，字符串格式waveData = np.fromstring(strData,dtype=np.int16)#將字符串轉化為intwaveData = waveData*1.0/(max(abs(waveData)))#wave幅值歸一化waveData = np.reshape(waveData,[nframes,nchannels])f.close()#wav文件寫入outData = waveData#待寫入wav的數據，這里仍然取waveData數據outData = np.reshape(outData,[nframes*nchannels,1])outfile = filepath+'out2.wav'outwave = wave.open(outfile, 'wb')#定義存儲路徑以及文件名nchannels = 3sampwidth = 2fs = 8000data_size = len(outData)framerate = int(fs)nframes = data_sizecomptype = "NONE"compname = "not compressed"outwave.setparams((nchannels, sampwidth, framerate, nframes,  comptype, compname)) for v in outData:    outwave.writeframes(struct.pack('h', int(v * 64000 / 2)))#outData:16位，-32767~32767，注意不要溢出outwave.close()

這里用到struct.pack(.)二進制的轉化：

python,音頻處理

例如：

python,音頻處理

4、音頻播放

wav文件的播放需要用到pyaudio，安裝包點擊這里。我將它放在/Scripts文件夾下，cmd并切換到對應目錄

pip install PyAudio-0.2.9-cp35-none-win_amd64.whl

pyaudio安裝完成。

Pyaudio主要用法：

主要列出pyaudio對象的open()方法的參數：

rate:采樣率
channels:聲道數
format:采樣值的量化格式，值可以為paFloat32、paInt32、paInt24、paInt16、paInt8等。下面的例子中，使用get_from_width()將值為2的sampwidth轉換為paInt16.
input:輸入流標志，Ture表示開始輸入流
output:輸出流標志

給出對應code:

import waveimport pyaudio import os #wav文件讀取filepath = "./data/" #添加路徑filename= os.listdir(filepath) #得到文件夾下的所有文件名稱 f = wave.open(filepath+filename[0],'rb')params = f.getparams()nchannels, sampwidth, framerate, nframes = params[:4]#instantiate PyAudio p = pyaudio.PyAudio() #define stream chunk  chunk = 1024 #打開聲音輸出流stream = p.open(format = p.get_format_from_width(sampwidth),         channels = nchannels,         rate = framerate,         output = True)  #寫聲音輸出流到聲卡進行播放data = f.readframes(chunk) i=1while True:   data = f.readframes(chunk)  if data == b'': break  stream.write(data)  f.close()#stop stream stream.stop_stream() stream.close() #close PyAudio p.terminate()

因為是python3.5，判斷語句if data == b'': break 的b不能缺少。

5、信號加窗

通常對信號截斷、分幀需要加窗，因為截斷都有頻域能量泄露，而窗函數可以減少截斷帶來的影響。

窗函數在scipy.signal信號處理工具箱中，如hamming窗：

import scipy.signal as signalpl.plot(signal.hanning(512))

利用上面的函數，繪制hanning窗：

import pylab as plimport scipy.signal as signalpl.figure(figsize=(6,2))pl.plot(signal.hanning(512))

python,音頻處理

6、信號分幀

信號分幀的理論依據，其中x是語音信號，w是窗函數：

python,音頻處理

加窗截斷類似采樣，為了保證相鄰幀不至于差別過大，通常幀與幀之間有幀移，其實就是插值平滑的作用。

給出示意圖：

python,音頻處理

這里主要用到numpy工具包，涉及的指令有：

np.repeat：主要是直接重復
np.tile：主要是周期性重復

對比一下：

向量情況： python,音頻處理

矩陣情況：

對于數據： python,音頻處理

repeat操作： python,音頻處理

tile操作： python,音頻處理

對應結果：

python,音頻處理

對應分幀的代碼實現：

這是沒有加窗的示例：

import numpy as npimport waveimport os#import math def enframe(signal, nw, inc):  '''將音頻信號轉化為幀。  參數含義：  signal:原始音頻型號  nw:每一幀的長度(這里指采樣點的長度，即采樣頻率乘以時間間隔)  inc:相鄰幀的間隔（同上定義）  '''  signal_length=len(signal) #信號總長度  if signal_length<=nw: #若信號長度小于一個幀的長度，則幀數定義為1    nf=1  else: #否則，計算幀的總長度    nf=int(np.ceil((1.0*signal_length-nw+inc)/inc))  pad_length=int((nf-1)*inc+nw) #所有幀加起來總的鋪平后的長度  zeros=np.zeros((pad_length-signal_length,)) #不夠的長度使用0填補，類似于FFT中的擴充數組操作  pad_signal=np.concatenate((signal,zeros)) #填補后的信號記為pad_signal  indices=np.tile(np.arange(0,nw),(nf,1))+np.tile(np.arange(0,nf*inc,inc),(nw,1)).T #相當于對所有幀的時間點進行抽取，得到nf*nw長度的矩陣  indices=np.array(indices,dtype=np.int32) #將indices轉化為矩陣  frames=pad_signal[indices] #得到幀信號#  win=np.tile(winfunc(nw),(nf,1)) #window窗函數，這里默認取1#  return frames*win  #返回幀信號矩陣  return framesdef wavread(filename):  f = wave.open(filename,'rb')  params = f.getparams()  nchannels, sampwidth, framerate, nframes = params[:4]  strData = f.readframes(nframes)#讀取音頻，字符串格式  waveData = np.fromstring(strData,dtype=np.int16)#將字符串轉化為int  f.close()  waveData = waveData*1.0/(max(abs(waveData)))#wave幅值歸一化  waveData = np.reshape(waveData,[nframes,nchannels]).T  return waveData filepath = "./data/" #添加路徑dirname= os.listdir(filepath) #得到文件夾下的所有文件名稱 filename = filepath+dirname[0]data = wavread(filename)nw = 512inc = 128Frame = enframe(data[0], nw, inc)

如果需要加窗，只需要將函數修改為：

def enframe(signal, nw, inc, winfunc):  '''將音頻信號轉化為幀。  參數含義：  signal:原始音頻型號  nw:每一幀的長度(這里指采樣點的長度，即采樣頻率乘以時間間隔)  inc:相鄰幀的間隔（同上定義）  '''  signal_length=len(signal) #信號總長度  if signal_length<=nw: #若信號長度小于一個幀的長度，則幀數定義為1    nf=1  else: #否則，計算幀的總長度    nf=int(np.ceil((1.0*signal_length-nw+inc)/inc))  pad_length=int((nf-1)*inc+nw) #所有幀加起來總的鋪平后的長度  zeros=np.zeros((pad_length-signal_length,)) #不夠的長度使用0填補，類似于FFT中的擴充數組操作  pad_signal=np.concatenate((signal,zeros)) #填補后的信號記為pad_signal  indices=np.tile(np.arange(0,nw),(nf,1))+np.tile(np.arange(0,nf*inc,inc),(nw,1)).T #相當于對所有幀的時間點進行抽取，得到nf*nw長度的矩陣  indices=np.array(indices,dtype=np.int32) #將indices轉化為矩陣  frames=pad_signal[indices] #得到幀信號  win=np.tile(winfunc,(nf,1)) #window窗函數，這里默認取1  return frames*win  #返回幀信號矩陣

其中窗函數，以hamming窗為例：

winfunc = signal.hamming(nw)Frame = enframe(data[0], nw, inc, winfunc)

調用即可。

7、語譜圖

其實得到了分幀信號，頻域變換取幅值，就可以得到語譜圖，如果僅僅是觀察，matplotlib.pyplot有specgram指令：

import waveimport matplotlib.pyplot as pltimport numpy as npimport os filepath = "./data/" #添加路徑filename= os.listdir(filepath) #得到文件夾下的所有文件名稱 f = wave.open(filepath+filename[0],'rb')params = f.getparams()nchannels, sampwidth, framerate, nframes = params[:4]strData = f.readframes(nframes)#讀取音頻，字符串格式waveData = np.fromstring(strData,dtype=np.int16)#將字符串轉化為intwaveData = waveData*1.0/(max(abs(waveData)))#wave幅值歸一化waveData = np.reshape(waveData,[nframes,nchannels]).Tf.close()# plot the waveplt.specgram(waveData[0],Fs = framerate, scale_by_freq = True, sides = 'default')plt.ylabel('Frequency(Hz)')plt.xlabel('Time(s)')plt.show()

python,音頻處理