python读写音频文件小结

您所在的位置：网站首页 › linux系统怎么读取音频数据的 › python读写音频文件小结

python读写音频文件小结

2023-12-27 06:55| 来源: 网络整理| 查看: 265

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)) #

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)) #

或者如下方式：

import soundfile as sf wav_path='' data = sf.read(wav_path)[0] print(type(data)) # 3. scipy from scipy.io import wavfile wav_path='' data = wavfile.read(wav_path)[1] data = data / 32768 #2^15 print(type(data)) #

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)) #

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 wave.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。

【本文地址】

python读写音频文件小结

python读写音频文件小结

今日新闻

推荐新闻