使用python moviepy提取视频中的音频，同时对音频数据进行数据可视化分析 |
您所在的位置：网站首页 › 从视频中截取音乐 › 使用python moviepy提取视频中的音频，同时对音频数据进行数据可视化分析 |
使用python moviepy提取视频中的音频，同时对音频数据进行数据可视化分析
|
文章目录
1 使用moviepy库包提取音频1.1 moviepy库包说明1.2 安装moviepy1.2 使用moviepy提取视频中的音频
2 使用librosa库包读取音频文件，并分析音频文件2.1 librosa库包介绍2.2 使用librosa读取音频文件，并分析音频文件
3 绘制音频信号的强度图3.1 使用matplotlib绘制音频信号强度图3.2 使用librosa画信号强度图
1 使用moviepy库包提取音频
1.1 moviepy库包说明
1、moviepy库包介绍 MoviePy是一个用于视频编辑的Python模块，它可以用于基本操作(如剪切、连接、标题插入)、视频合成(也称为非线性编辑)、视频处理，或创建高级效果。它可以读写最常见的视频格式，包括GIF。 2、moviepy参考文档 moviepy的github官网moviepy的官方参考文档 1.2 安装moviepy直接使用pip安装即可： pip install moviepy -i https://pypi.tuna.tsinghua.edu.cn/simple 1.2 使用moviepy提取视频中的音频 # 1、使用moviepy模块 提取视频中的音频文件 from moviepy.editor import AudioFileClip my_audio_clip = AudioFileClip("./test.mp4") print(type(my_audio_clip)) # # 提取视频中的音频文件 m4v,mp3等音频格式也是支持的 my_audio_clip.write_audiofile("./extract_audio.wav") ''' MoviePy - Writing audio in ./extract_audio.wav MoviePy - Done. ''' 2 使用librosa库包读取音频文件，并分析音频文件 2.1 librosa库包介绍1、librosa是一个用于音乐和音频分析的python包。它提供了创建音乐信息检索系统所必需的构建模块。 2、librosa参考文档 librosa的github官网librosa的官方参考文档 2.2 使用librosa读取音频文件，并分析音频文件音频数据内容，可以认为记录了：采样频率 和 每个采样点的信号强度 两个部分构成一个音频文件 数据流可以理解为一个数组，按照字节存储 # 2、使用librosa分析音频 import librosa import numpy as np # 加载音频文件 audio, freq = librosa.load("./extract_audio.wav") print(f"audio: {audio} and audio shape: {audio.shape}\nfreq: {freq}") print(f"audio type: {type(audio)}\nfreq type: {type(freq)}") time = len(audio) / freq print(time) # 94.3 ''' audio: [ 0. 0. 0. ... -0.00216522 -0.00011788 -0.00167476] and audio shape: (2079315,) freq: 22050 audio type: freq type: # 上面的这段音频 采样点共：2079315 采样频率为：22050 这段音频的时长为：2079315 / 22050 = 94.3 因此这段音频的时长约为94秒 也就是每秒采样 22050个数据 '''上面有几个概念： 音频采样点：就是在一段时间内，一共采集了多少个音频数据音频采样频率：就是在一秒内采样采样多少个采样点因此可以根据音频采样点和音频采样频率，计算出音频的时长： 音 频 的 时 长 = 音 频 采 样 点 个 数 音 频 采 样 频 率 音频的时长 = \frac{音频采样点个数}{音频采样频率} 音频的时长=音频采样频率音频采样点个数 3 绘制音频信号的强度图 3.1 使用matplotlib绘制音频信号强度图 # 3、画出音频的信号强度图 import matplotlib.pyplot as plt time = np.arange(0, len(audio)) / freq # np.arange(0, len(audio)) = (0,1,2,3,...,2079314) print(time.shape) # (2079315,) print(np.min(time), np.max(time)) # 94.29995464852608 0.0 fig, ax = plt.subplots() ax.plot(time, audio) ax.set(xlabel="Time(s)", ylabel="Sound Amplitude") plt.show() # 其实绘制的点一共有2079315个，但是由于我们的时间范围是0-94,因此音频信号看起来很拥挤
当然我们可以使用librosa 库的工具来分析，可以修掉音频首尾的其他信息，画信号强度图的方式如下： # 4、使用librosa画信号强度图 # 当然我们可以使用 librosa 库的工具来分析，可以修掉音频首尾的其他信息，画信号强度图的方式如下： import librosa.display audio, _ = librosa.effects.trim(audio) librosa.display.waveplot(audio, sr=freq) plt.show()
完整代码如下： __Author__ = "Shliang" __Email__ = "[email protected]" # 1、使用moviepy模块 提取视频中的音频文件 from moviepy.editor import AudioFileClip my_audio_clip = AudioFileClip("./test.mp4") print(type(my_audio_clip)) # # 提取视频中的音频文件 m4v,mp3等音频格式也是支持的 # my_audio_clip.write_audiofile("./extract_audio.wav") ''' MoviePy - Writing audio in ./extract_audio.wav MoviePy - Done. ''' # 2、使用librosa分析音频 # 音频数据内容，可以认为记录了：采样频率 和 每个采样点的信号强度 两个部分构成一个音频文件 # 数据流可以理解为一个数组，按照字节存储 import librosa import numpy as np # 加载音频文件 audio, freq = librosa.load("./extract_audio.wav") print(f"audio: {audio} and audio shape: {audio.shape}\nfreq: {freq}") print(f"audio type: {type(audio)}\nfreq type: {type(freq)}") time = len(audio) / freq print(time) # 94.3 ''' audio: [ 0. 0. 0. ... -0.00216522 -0.00011788 -0.00167476] and audio shape: (2079315,) freq: 22050 audio type: freq type: # 上面的这段音频 采样点共：2079315 采样频率为：22050 这段音频的时长为：2079315 / 22050 = 94.3 因此这段音频的时长约为94秒 也就是每秒采样 22050个数据 ''' # 3、画出音频的信号强度图 import matplotlib.pyplot as plt time = np.arange(0, len(audio)) / freq # np.arange(0, len(audio)) = (0,1,2,3,...,2079314) print(time.shape) # (2079315,) print(np.min(time), np.max(time)) # 94.29995464852608 0.0 fig, ax = plt.subplots() ax.plot(time, audio) ax.set(xlabel="Time(s)", ylabel="Sound Amplitude") plt.show() # 其实绘制的点一共有2079315个，但是由于我们的时间范围是0-94,因此音频信号看起来很拥挤 # 4、使用librosa画信号强度图 # 当然我们可以使用 librosa 库的工具来分析，可以修掉音频首尾的其他信息，画信号强度图的方式如下： import librosa.display audio, _ = librosa.effects.trim(audio) librosa.display.waveplot(audio, sr=freq) plt.show() 创作不易，观众老爷们请留步… 动起可爱的小手，点个赞再走呗 (๑◕ܫ￩๑)
|
【本文地址】
今日新闻 |
推荐新闻 |