Python实现电脑录音(含音频基础知识讲解) |
您所在的位置:网站首页 › 如何内置录音功能在手机上使用教程 › Python实现电脑录音(含音频基础知识讲解) |
咪哥杂谈 本篇阅读时间约为 6 分钟。 1 前言 今天开始进入近期系列文章的第一篇,如何用 Python 来实现录音功能。 在开始"造轮子"之前,个人一直强调一个观点,如果有些东西已经有了,不妨直接去 github 上搜,用现成的就好。关于这个想法,其实 github 上已经有人实现了。 但是有些细节点,和我想的不太一样。所以呢,我还是决定自己体验一波流程,顺便踩踩坑,毕竟是从兴趣出发。 而在上篇文章留言区中,有个小伙伴也提出,其实在去年,就已经用树莓派实现了这系列的功能,我觉得还是蛮有意思的一件事。 下面进入正题。 2 环境准备 开始之前,先要介绍的是今天的主角,PyAudio。 这款第三方库,是一个跨平台音频库。 跨平台的性质,不用多说了吧!就是多面兼容你的系统,不论你是用的 windows 、mac、linux,它都是支持的。 安装命令如下: pip install PyAudiomac的同志们,需要注意下,安装的时候可能会报错,安装如下即可。 brew install portaudio完备的第三方库都会有对应的文档,地址如下: https://people.csail.mit.edu/hubert/pyaudio/docs/#pyaudio3 录音功能实现 先来介绍一下,如何使用它来进行录制音频功能! PS: 音频方面的东西,我之前也没过多了解,近期写了 PyAudio 库的代码实现后才发现,要想明白代码的含义,还要有一些音频方面的知识作为前置储蓄,所以下面我会结合代码去通俗讲解,若有哪里不对的地方,欢迎评论区留言指出! 先来看代码。 设定参数: CHUNK = 1024 # 每个缓冲区的帧数FORMAT = pyaudio.paInt16 # 采样位数CHANNELS = 1 # 单声道RATE = 44100 # 采样频率设定具体实现的参数,分别有 缓冲区帧数、采样位数、声道模式、采样频率。 具体实现录音代码: def record_audio(wave_out_path, record_second): """ 录音功能 """ p = pyaudio.PyAudio() # 实例化对象 stream = p.open(format=FORMAT, channels=CHANNELS, rate=RATE, input=True, frames_per_buffer=CHUNK) # 打开流,传入响应参数 wf = wave.open(wave_out_path, 'wb') # 打开 wav 文件。 wf.setnchannels(CHANNELS) # 声道设置 wf.setsampwidth(p.get_sample_size(FORMAT)) # 采样位数设置 wf.setframerate(RATE) # 采样频率设置 for _ in range(0, int(RATE * record_second / CHUNK)): data = stream.read(CHUNK) wf.writeframes(data) # 写入数据 stream.stop_stream() # 关闭流 stream.close() p.terminate() wf.close()先用正常代码逻辑思维解释下,其中涉及到的专业名词,继续往下看,后面会有相应的解释。 首先对 pyaudio 库进行实例化。用其生成的实例化对象对数据流进行相应的打开,也就是 open 函数。在这块,分别传入了参数,采样位数、声道、采样频率,以及最后的缓冲区帧数。 调用 Python 自带的 wave 库,再次进行写入 wav 的相关设置。此处的操作类似 Python 写 txt ,只不过多了点音频设置而已。 用 采样频率 * 音频秒数/ 每个缓冲区帧数 ,得到的就是你要写入多少个块缓冲区的数量。最终,只需要每次循环写入固定的 1024,一共循环得出的多少个块缓冲区。即可得到最终的数据。 这里的公式计算,如果在不了解下述基础概念之前,是很难理解的。 4 音频基础知识普及 看了上面的代码解释,是不是一脸懵逼。来普及下所涉及到的专业名词。 首先, wav 和 mp3 的后缀结尾,有什么不同? 其次,关键的名词解释。 采样位数:可以理解数字音频设备处理声音的解析度,即对声音的辨析度。就像表示颜色的位数一样(8位表示256种颜色,16位表示65536种颜色),有8位,16位等。这个数越大,解析度就越高,录制和回放的声音也就越真实。 采样频率:就是对声音信息1秒钟采样多少次,以记录成数字信息。如CD音频是44.1KHz采样率,它对声音以每秒44100次的频率来记录信息。原则上采样率越高,声音的质量越好。 截取了一段百度百科的例子,关于采样频率的设定,代码中选择的即 44100 Hz 。 每个缓冲区帧数:通俗的举个例子,你手里有 102400 块钱,现在要上交给女朋友。但是,你心想一口气全给她,怕撑爆了她的钱包。于是你定了一个值,每次只给她 1024 元。 这里的 1024 元即每个缓存区的帧数。你想全部上交,需要几次才能完成呢?是不是得重复上交这个动作 100 次!此时,这里的 100 次,便对应了上述代码的循环次数,即公式算出来的有多少个块缓存区。 弄懂音频基础知识后,再去回看代码,你会发现那些参数的意义就一目了然了。 5 播放功能实现 有了以上知识点,对于读文件来说,就相当 easy 了!直接放上核心代码: def play_audio(wave_input_path): p = pyaudio.PyAudio() # 实例化 wf = wave.open(wave_input_path, 'rb') # 读 wav 文件 stream = p.open(format=p.get_format_from_width(wf.getsampwidth()), channels=wf.getnchannels(), rate=wf.getframerate(), output=True) data = wf.readframes(CHUNK) # 读数据 while len(data) > 0: stream.write(data) data = wf.readframes(CHUNK) stream.stop_stream() # 关闭资源 stream.close() p.terminate()读文件的话,没有什么可讲的,我是直接从官方文档的例子中 copy 的,修改了一下相应的参数,即可实现。 6 总结 总的来说,音频的操作,Python中的 PyAudio 库是非常友好的,当然,经过各种查阅资料,发现在写入音频文件时,不同人有不同的写法,而文中的这套公式算法,应该是较为简洁的一种。 放上一段,我用 Python 录制的 wav 音频文件。短暂的 3 s。 老规矩,有想要本章全部源码的同学,后台回复 音频 ,即可获得地址。 文中关于音频的解释,哪里有错误,欢迎评论区留言指出! ▼ 往期精彩回顾 ▼ Python零基础福利来了! Python减少代码量的两个内置函数 Python打造自己的语音机器人设计思路 你点的每个在看,我都认真当成了喜欢 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |