Python音頻處理庫pydub的使用教程詳解

更新時間：2023年03月22日 08:46:57 作者：黃昏中起飛的貓頭鷹

Pydub是Python音頻處理庫，可以對音頻進行切割、合并、轉(zhuǎn)換、調(diào)整音量等操作。本文將對pydub各個知識點和案例進行介紹，需要的可以參考一下

1. 安裝

使用pip安裝即可（還需安裝ffmpeg依賴，建議使用conda命令安裝，則不需要配置環(huán)境）：

pip install pydub

2. 導(dǎo)入和讀取音頻文件

from pydub import AudioSegment
audio = AudioSegment.from_file("path/to/file")

3. 播放音頻

from pydub.playback import play
play(audio)

4. 音頻時長

duration = audio.duration_seconds # 單位為秒

5. 音頻切割

# 前10秒
audio = audio[:10000]

# 后10秒
audio = audio[-10000:]

# 從第10秒開始到第20秒結(jié)束
audio = audio[10000:20000]

# 從第10秒開始到結(jié)尾
audio = audio[10000:]

# 從開始到第10秒audio = audio[:10000]

6. 音頻合并

audio1 = AudioSegment.from_file("path/to/file1")
audio2 = AudioSegment.from_file("path/to/file2")
audio_combined = audio1 + audio2

7. 音頻轉(zhuǎn)換

audio.export("path/to/new/file", format="mp3")

8. 調(diào)整音量

# 增加10分貝
louder_audio = audio + 10

# 減小10分貝
quieter_audio = audio - 10

9. 等分分割音頻

# 等分分割，按大概每三分鐘進行分割
for i in range(1, 1000):
    if 3.3 >= (audio.duration_seconds / (60 * i)) >= 2.8:
        number = i
        break
chunks = audio[::int(audio.duration_seconds / number * 1000 + 1)]  # 切割

# 保存分割后的音頻
for i, chunk in enumerate(chunks):
    chunk.export("path/to/new/file{}.wav".format(title,i), format="wav")

10. 完整代碼

下面是一段完整的代碼，用于對音頻進行前后切割，并將音頻分割成合適長度的小段進行保存。

from pydub import AudioSegment

# 讀取音頻文件
audio = AudioSegment.from_file("path/to/file")

# 輸出視頻時長
print('視頻時長:', audio.duration_seconds / 60)

# 前后切割
start = int(input('前切割n秒,不切割輸入0'))*1000
end = int(input('后切割n秒，不切割輸入0'))*1000
if start:
    audio = audio[start:-end]

# 計算合適的分割長度
for i in range(1, 1000):
    if 3.3 >= (audio.duration_seconds / (60 * i)) >= 2.8:
        number = i
        break
chunks = audio[::int(audio.duration_seconds / number * 1000 + 1)] 
# 保存分割后的音頻
for i, chunk in enumerate(chunks):
    print('分割后的時長:', chunk.duration_seconds / 60)
    chunk.export("path/to/new/file{}.wav".format(i), format="wav")

以上就是pydub的主要知識點和一個完整的實例。通過pydub，我們可以方便地對音頻進行處理和轉(zhuǎn)換，讓我們的音頻處理更加高效和便捷。
另外，下面還列舉了一些pydub的其他應(yīng)用案例。

應(yīng)用案例

1. 將音頻文件轉(zhuǎn)換為指定格式

from pydub import AudioSegment

# 讀取音頻文件
audio = AudioSegment.from_file("path/to/file")

# 轉(zhuǎn)換為mp3格式并保存
audio.export("path/to/new/file.mp3", format="mp3")

2. 將多個音頻文件合并為一個文件

from pydub import AudioSegment

# 讀取音頻文件
audio1 = AudioSegment.from_file("path/to/file1")
audio2 = AudioSegment.from_file("path/to/file2")

# 合并音頻文件并保存
combined_audio = audio1 + audio2
combined_audio.export("path/to/new/file", format="wav")

3. 制作鈴聲

from pydub import AudioSegment

# 讀取音頻文件
audio = AudioSegment.from_file("path/to/file")

# 切割并保存
start = 10000
end = 15000
ringtone = audio[start:end]
ringtone.export("path/to/new/file", format="mp3")

4. 調(diào)整音頻音量

from pydub import AudioSegment

# 讀取音頻文件
audio = AudioSegment.from_file("path/to/file")

# 增加10分貝
louder_audio = audio + 10

# 減小10分貝
quieter_audio = audio - 10

# 保存調(diào)整后的音頻
louder_audio.export("path/to/new/file", format="wav")
quieter_audio.export("path/to/new/file", format="wav")

案例：通過識別空白音，分割音頻中的歌曲

from pydub import AudioSegment
from pydub.silence import split_on_silence

# 讀取音頻文件
audio = AudioSegment.from_file("audio.mp3", format="mp3")

# 設(shè)置分割參數(shù)
min_silence_len = 700  # 最小靜音長度
silence_thresh =-10  # 靜音閾值，越小越嚴(yán)格
keep_silence = 600  # 保留靜音長度

# 計算分割數(shù)量
num_segments = int(audio.duration_seconds/60/3)  # 每首歌曲大概三分鐘，計算歌曲數(shù)量

# 分割音頻文件
for i in range(-10, 0):
    segments = split_on_silence(audio, min_silence_len=min_silence_len, silence_thresh=i, keep_silence=keep_silence)
    if len(segments) <= num_segments:
        print(f"分割成功，共分割出 {len(segments)} 段")
        break
    else:
        print(f"當(dāng)前閾值為 {i}，分割出 {len(segments)} 段，繼續(xù)嘗試")

首先，我們使用AudioSegment.from_file()方法讀取音頻文件，并設(shè)置分割參數(shù)min_silence_len、silence_thresh和keep_silence分別表示最小靜音長度、靜音閾值和保留靜音長度。其中，靜音閾值越小，分割出的小段越多，但可能會出現(xiàn)誤分割的情況；反之，靜音閾值越大，分割出的小段越少，但可能會出現(xiàn)漏分割的情況。

然后，我們計算分割數(shù)量num_segments，即將音頻文件分割成多少段。這里我們假設(shè)每首歌曲大概三分鐘，計算出總共需要分割成多少段。

最后，我們使用split_on_silence()方法對音頻文件進行分割，設(shè)置分割參數(shù)，并通過循環(huán)來不斷調(diào)整靜音閾值，直到分割出的小段數(shù)量符合預(yù)期為止。如果分割成功，則跳出循環(huán)；否則，繼續(xù)嘗試。

總而言之，pydub是一個非常實用的音頻處理庫，可以方便地進行音頻處理、轉(zhuǎn)換、合并等操作。同時，pydub還有豐富的應(yīng)用場景，如制作鈴聲、調(diào)整音量等。值得注意的是，在使用pydub的過程中，需要注意音頻格式的兼容性問題。

此外，還可以通過pydub對音頻進行編解碼、混音、重采樣等操作。下面是一些常見的操作示例。

編解碼、混音、重采樣

1. 編解碼

from pydub import AudioSegment

# 讀取音頻文件
audio = AudioSegment.from_file("path/to/file")

# 編碼
encoded_audio = audio.set_frame_rate(16000).set_sample_width(2).set_channels(1)

# 解碼
decoded_audio = encoded_audio.set_frame_rate(44100).set_sample_width(4).set_channels(2)

2. 混音

from pydub import AudioSegment

# 讀取音頻文件
audio1 = AudioSegment.from_file("path/to/file1")
audio2 = AudioSegment.from_file("path/to/file2")

# 混音
mixed_audio = audio1.overlay(audio2)

# 保存混音后的音頻
mixed_audio.export("path/to/new/file", format="wav")

3. 重采樣

from pydub import AudioSegment

# 讀取音頻文件
audio =AudioSegment.from_file("path/to/file")

# 重采樣為44100Hz
resampled_audio = audio.set_frame_rate(44100)

# 保存重采樣后的音頻
resampled_audio.export("path/to/new/file", format="wav")

通過pydub，我們可以方便地進行音頻編解碼、混音、重采樣等操作，進一步擴展了pydub的應(yīng)用場景。需要注意的是，在進行音頻混音操作時，需要保證兩個音頻文件的采樣率、采樣位數(shù)和聲道數(shù)相同。

最后，總結(jié)一下pydub的優(yōu)點和缺點。

優(yōu)點：

輕量級：pydub是一個輕量級的音頻處理庫，安裝方便，使用簡單。

功能豐富：pydub提供了豐富的音頻處理功能，包括切割、合并、轉(zhuǎn)換、調(diào)整音量、編解碼、混音、重采樣等。

應(yīng)用廣泛：pydub的應(yīng)用場景非常廣泛，包括音頻處理、鈴聲制作、音頻格式轉(zhuǎn)換、語音識別等等。

缺點：

對格式的兼容性有限：pydub對音頻格式的兼容性有限，不支持所有的音頻格式，需要先將音頻轉(zhuǎn)換為支持的格式后才能進行處理。

性能一般：pydub在處理大文件時，性能可能會比較一般，需要耗費一定的時間和計算資源。

不支持流式處理：pydub不支持流式處理，需要將整個音頻文件讀取到內(nèi)存中，導(dǎo)致內(nèi)存占用較大。

綜上所述，pydub是一個功能豐富、應(yīng)用廣泛的音頻處理庫。在使用pydub時，需要注意音頻格式的兼容性問題，并注意處理大文件時的性能和內(nèi)存占用。如果需要處理更復(fù)雜的音頻任務(wù)，可以考慮使用其他更專業(yè)的音頻處理庫。

總結(jié)

博客介紹了如何使用Python的pydub庫將音頻文件分割成多個小段。我們首先讀取音頻文件，然后設(shè)置分割參數(shù)，并計算分割數(shù)量。最后，通過循環(huán)來不斷調(diào)整靜音閾值，直到分割出的小段數(shù)量符合預(yù)期為止。這種方法可以用于對音頻進行處理和分析，例如語音識別、音樂推薦等。

需要注意的是，音頻分割的效果受到分割參數(shù)的影響，需要根據(jù)具體情況進行調(diào)整。另外，分割出的小段可能存在誤分割和漏分割的情況，需要進行后續(xù)的檢查和處理。

以上就是Python音頻處理庫pydub的使用教程詳解的詳細(xì)內(nèi)容，更多關(guān)于Python音頻處理庫pydub的資料請關(guān)注腳本之家其它相關(guān)文章！

您可能感興趣的文章: