python语音库_介绍几个python的音频处理库

图 3比如我的机器的地址就是 192.168.152.130。然后将这个ip地址填入 图2 的Host Name 一栏，注意默认端口为22，不要去改它，然后点击open，就会弹出一个登陆界面，接着输入你在linux下登陆的用户名和密码就可以ssh连上linux啦。http://www.infoworld.com/article/2617683/linux/linux-moving-files-between-unix-and-windows-systems.html这篇文章介绍了几种在unix与windows之间传递文件的方法。我只讲第一种，使用putty的pscp的secure copy（安全拷贝）。你安装了putty之后，会自带一个叫 pscp.exe的可执行文件，将其目录加入windows环境变量。然后 cmd执行命令 pscp myfile.txt shs@unixserver:/home/shs 即可以把你的文件 myfile.txt 复制到 linux 下的 /home/shs 目录下了。解释一下，你在执行的时候需要把shs换成你的用户名，@后面跟你的linux ip地址， /home/shs 是你要把文件移动的位置。执行完之后，文件就会成功拷贝过去了。其他方法不讲了，有兴趣可以自行搜索，或者看我上面说的那篇文章。

回到正题，eyeD3 命令行讲完之后，再来说下如何在Python中使用。还是看官方给的例子吧：

1 importeyed32

3 audiofile = eyed3.load("song.mp3")4 audiofile.tag.artist = u"Nobunny"

5 audiofile.tag.album = u"Love Visions"

6 audiofile.tag.album_artist = u"Various Artists"

7 audiofile.tag.title = u"I Am a Girlfriend"

8 audiofile.tag.track_num = 4

9

10 audiofile.tag.save()

上面的代码，使用 import eyed3 导入eyeD3 库，然后使用load方法加载mp3文件，后面的几行分别是设置 artist,album等等 ID3 tag ，直接看代码就能看出来，就不说了。如果想显示mp3文件内部的ID3 tag信息，直接print 相应的tag就行了，比如 print(audiofile.tag.artist)等等，当然，前提是你的MP3 metadata得储存了这些信息。其实还有一些更复杂和高级的用法，我就不讲了，大家有兴趣直接去官方文档看吧，地址：http://eyed3.nicfit.net/index.html。eyeD3 主要就是处理 MP3文件的metadata的，至于解析音频之类的就得用其他的库了。

二、pydub

第一个介绍的eyeD3 一般只能处理MP3文件，功能上相对来说也是比较简单一点。下面介绍的pydub库就要强大的多。老规矩，还是

先看一下它的官方介绍：

Manipulate audio with a simple and easy high level interface的高度抽象的接口，嘿，这不就是我们要找的么。github项目地址为：https://github.com/jiaaro/pydub/ 有1800多的star，说明这个

库还是很受欢迎的。安装直接很简单，直接 pip install pydub 就可以安装。但是需要注意的是：

Dependencies

You can open and save WAV files with pure python. For opening and saving non-wav files – like mp3 – you'll need ffmpeg orlibav.

这里是说python自带的wave模块只能处理 wav 格式的音频文件，如果要想处理类似MP3格式的文件，就得要装 ffmpeg或者libav了。

什么是ffmpeg 呢？

A complete, cross-platform solution to record, convert and stream audio and video.

ffmpeg 是一个跨平台的 可以用来 记录、转化音频与视频的工具，如果你做过数字信号处理方面的工作，对它应该不陌生。还有一个libav，其实是从ffmpeg分出来的一个分支，功能和 ffmpeg差不多，二者你任选一个下载就可以了。windows下直接选择可执行文件安装即可。

还是看官网的例子来介绍吧。

I：打开 mp3或者mp4等文件

可以采用如下的命令：

1 from pydub importAudioSegment2

3 song = AudioSegment.from_wav("never_gonna_give_you_up.wav")4 song = AudioSegment.from_mp3("never_gonna_give_you_up.mp3")5

6 ogg_version = AudioSegment.from_ogg("never_gonna_give_you_up.ogg")7 flv_version = AudioSegment.from_flv("never_gonna_give_you_up.flv")8

9 mp4_version = AudioSegment.from_file("never_gonna_give_you_up.mp4", "mp4")10 wma_version = AudioSegment.from_file("never_gonna_give_you_up.wma", "wma")11 aac_version = AudioSegment.from_file("never_gonna_give_you_up.aiff", "aac")

可以打开任何 ffmpeg支持的文件类型，从上面可以看出，主要有 from_filetype()方法,filetype为具体的文件类型，比如 wav,mp3等

或者通用的 from_file()方法，但是这个方法必须在第二个参数指定打开文件的类型，返回的结果都是 AudioSegment对象。

II：切割音频

1 #pydub does things in milliseconds

2 ten_seconds = 10 * 1000

3

4 first_10_seconds =song[:ten_seconds]5

6 last_5_seconds = song[-5000:]

注意pydub中的标准时间为毫秒，上面的代码就得到了音乐的前10秒和后5秒，非常简单。

III：调整音量

1 #boost volume by 6dB

2 beginning = first_10_seconds + 6

3

4 #reduce volume by 3dB

5 end = last_5_seconds - 3

+6 就表示将音乐的音量提高6分贝，-3就表示将音乐的音量降低3分贝

IV: 拼接两段音乐

without_the_middle = beginning + end

without_the_middle.duration_seconds

拼接之后的音乐时长是两段音乐时长之和，可以通过 .duration_seconds方法来获取一段音乐的时长。这与使用 len(audio)/1000.0得到的结果是一样的。

V：将音乐翻转(reverse)

1 #song is not modified

2 #AudioSegments are immutable

3 backwards = song.reverse()

注意 AudioSegment 对象是不可变的，上面使用reverse 方法不会改变song这个对象，而是会返回一个新的AudioSegment对象，其他的方法也是这样，需要注意。reverse简单来说就是 将音乐从尾部向头部开始逆序播放，我试了一下，发现转换之后还真的挺有意思的。

VI：crossfade(交叉渐入渐出方法)

1 #1.5 second crossfade

2 with_style = beginning.append(end, crossfade=1500)

crossfade 就是让一段音乐平缓地过渡到另一段音乐，上面的crossfade = 1500 表示过渡的时间是1.5秒。

VII：repeat（重复音乐片段）

#repeat the clip twice

do_it_over = with_style * 2

上面的代码让音乐重复播放两次

VIII：fade in and fade out（逐渐增强与逐渐减弱）

#2 sec fade in, 3 sec fade out

awesome = do_it_over.fade_in(2000).fade_out(3000)

逐渐增强2秒，逐渐减弱3秒

XI：save(保存)

awesome.export("mashup.mp3", format="mp3")

awesome.export("mashup.mp3", format="mp3", tags={'artist': 'Various artists', 'album': 'Best of 2011', 'comments': 'This album is awesome!'})

这里展示了两种保存的形式，都是使用export方法，要指定保存的格式，使用format 参数，但第二种方法多了一个tags参数，其实看一下应该就很容易明白，是保存 歌曲ID3 tag信息的。

以上只是pydub 使用方法的初步介绍，还有其他非常多的功能，请自行移步官方API 文档：https://github.com/jiaaro/pydub/blob/master/API.markdown

介绍的非常详细。

三、PyAudio

又是一个功能强大的处理音频库。官方介绍：

PyAudio provides Python bindings for PortAudio, the cross-platform audio I/O library. With PyAudio, you can easily use Python to play and record audio on a variety of platforms. PyAudio is inspired by:

pyPortAudio/fastaudio: Python bindings for PortAudio v18 API.

tkSnack: cross-platform sound toolkit for Tcl/Tk and Python.

Pyaudio 提供了对于跨平台的 PortAudio（处理 audio输入输出的库）的绑定，PyAudio可以让你轻松录制与播放音频。

废话不多说，直接看官方文档（https://people.csail.mit.edu/hubert/pyaudio/docs/）提供的一个quick start 的代码

1 """PyAudio Example: Play a wave file."""

2

3 importpyaudio4 importwave5 importsys6

7 CHUNK = 1024

8

9 if len(sys.argv) < 2:10 print("Plays a wave file.\n\nUsage: %s filename.wav" %sys.argv[0])11 sys.exit(-1)12

13 wf = wave.open(sys.argv[1], 'rb')14

15 #instantiate PyAudio (1)

16 p =pyaudio.PyAudio()17

18 #open stream (2)

19 stream = p.open(format=p.get_format_from_width(wf.getsampwidth()),20 channels=wf.getnchannels(),21 rate=wf.getframerate(),22 output=True)23

24 #read data

25 data =wf.readframes(CHUNK)26

27 #play stream (3)

28 while len(data) >0:29 stream.write(data)30 data =wf.readframes(CHUNK)31

32 #stop stream (4)

33 stream.stop_stream()34 stream.close()35

36 #close PyAudio (5)

37 p.terminate()

当然，这个提供的是使用命令行参数接收音频文件的形式，CHUNK 是一次读取的音频byte数量，p = pyaudio.PyAudio()初始化一个

PyAudio对象，然后使用其open方法打开一个输入输出流，这里指定了output=True说明这是一个输出流，即我们是往stream中添加data，如果这里改为 input = True就是变成输入流了，一般是从设备的标准 audio device ，对于电脑来说可能就是麦克风了，来读取音频data。使用wave打开一个 .wav 文件，然后使用 readframes方法每次读取 CHUNK 这么多的数据，将数据写入 stream，直到读完为止。写入stream的audio data 就会不断通过麦克风播放出来了，于是我们就可以听到音乐了。最后在结束的时候，注意要关闭相应的对象以释放资源。

还有一种方法是使用callback（回调函数）函数，代码如下：

1 """PyAudio Example: Play a wave file (callback version)."""

2

3 importpyaudio4 importwave5 importtime6 importsys7

8 if len(sys.argv) < 2:9 print("Plays a wave file.\n\nUsage: %s filename.wav" %sys.argv[0])10 sys.exit(-1)11

12 wf = wave.open(sys.argv[1], 'rb')13

14 #instantiate PyAudio (1)

15 p =pyaudio.PyAudio()16

17 #define callback (2)

18 defcallback(in_data, frame_count, time_info, status):19 data =wf.readframes(frame_count)20 return(data, pyaudio.paContinue)21

22 #open stream using callback (3)

23 stream = p.open(format=p.get_format_from_width(wf.getsampwidth()),24 channels=wf.getnchannels(),25 rate=wf.getframerate(),26 output=True,27 stream_callback=callback)28

29 #start the stream (4)

30 stream.start_stream()31

32 #wait for stream to finish (5)

33 whilestream.is_active():34 time.sleep(0.1)35

36 #stop stream (6)

37 stream.stop_stream()38 stream.close()39 wf.close()40

41 #close PyAudio (7)

42 p.terminate()

不细说了。

下面来看一个使用pyaudio + numpy + pylab 可视化音频的代码，下面的代码打开电脑的麦克风，然后接受音频输入，再以图像的形式展示出来。

1 #-*- coding: utf-8 -*-

2 """

3 Created on Fri May 12 10:30:00 20174 @author: Lyrichu5 @description: show the sound in graphs6 """

7 importpyaudio8 importnumpy as np9 importpylab10 importtime11

12 RATE = 44100

13 CHUNK = int(RATE/20) #RATE/number of updates per second

14

15 defsound_plot(stream):16 t1 = time.time() #time starting

17 data = np.fromstring(stream.read(CHUNK),dtype =np.int16)18 pylab.plot(data)19 pylab.title(i)20 pylab.grid()21 pylab.axis([0,len(data),-2**8,2**8])22 pylab.savefig("sound.png",dpi=50)23 pylab.show(block = False)

time.sleep(0.5)24 pylab.close('all')25 print("took %.2f ms." % (time.time() - t1)*1000)26

27 if __name__ == '__main__':28 p =pyaudio.PyAudio()29 stream = p.open(format = pyaudio.paInt16,channels = 1,rate =RATE,30 input = True,frames_per_buffer =CHUNK)31 for i in range(int(20*RATE/CHUNK)):32 #for 10 seconds

33 sound_plot(stream)34 stream.stop_stream()35 stream.close()36 p.terminate()

代码应该比较容易理解。得到的大概是像下面这样的图形（图4）：

图 4

需要注意的是，如果不是在交互式命令下执行pylab或者matplotlib的plot命令，其plt.show()函数是一个block函数，这会导致最后的

plt.close('all') 关闭所有的窗口只会在手动关闭了图像之后才会执行，所有我们无法看到连续变化的图像，为了解决这个问题，我们将plt.show()函数block参数设为False，这样show函数就不是block函数了，可以直接执行plt.close('all')命令，为了不因为图像刷新太快我们看不清变化，所以使用time.sleep(0.5) 暂停0.5秒。

其实还没介绍完，还有pygame模块（python的一个做游戏的模块）以及librosa库（专业的数字信号处理库）等没有讲，等有机会再更吧。敬请关注！