1. soundfile 庫的使用

soundfile庫是一個Python庫，主要用于讀取和寫入音頻文件。它支持多種音頻格式，包括WAV、AIFF、FLAC和OGG等。通過soundfile庫，用戶可以方便地將numpy數(shù)組存儲到音頻文件或者將音頻文件加載到numpy數(shù)組中。此外，soundfile庫還提供了一些函數(shù)，用于處理音頻數(shù)據(jù)。它的使用簡單且靈活，方便進行音頻處理和分析的工作。

1.1 read 讀文件

讀取音頻文件數(shù)據(jù)

import soundfile as sf
# wav numpy 型數(shù)據(jù)，sr是采樣率
filename = "xx/xx.wav"
wav, sr = sf.read(filename, dtype='float64)

可通過dtype將任意的音頻文件數(shù)據(jù)格式轉(zhuǎn)為float64,float32,int16,int32 的numpy型數(shù)據(jù)，其中float64,float32是歸一化后的結(jié)果。dtype 默認值為float64。

1.2 write 保存文件

保存音頻文件數(shù)據(jù)

# save_filename, 保存的音頻文件路徑，data保存的數(shù)據(jù)，samplerate是采樣率
sf.wrtie(save_filename,data,samplerate)

支持寫入的數(shù)據(jù)也為float64,float32,int16,int32，并保存相應(yīng)格式的數(shù)據(jù)

2. torchaudio 庫的使用

torchaudio是PyTorch深度學(xué)習(xí)框架的一部分，主要用于處理和分析音頻數(shù)據(jù)。它提供了豐富的音頻信號處理工具、特征提取功能以及與深度學(xué)習(xí)模型結(jié)合的接口，使得在PyTorch中進行音頻相關(guān)的機器學(xué)習(xí)和深度學(xué)習(xí)任務(wù)變得更加便捷。通過使用torchaudio，開發(fā)者能夠輕松地將音頻數(shù)據(jù)轉(zhuǎn)換為適合深度學(xué)習(xí)模型輸入的形式，并利用PyTorch的高效張量運算和自動梯度功能進行訓(xùn)練和推理。此外，torchaudio還支持多聲道音頻處理和GPU加速，以滿足不同應(yīng)用場景的需求。

2.1 load 讀文件

加載音頻文件數(shù)據(jù)

import torchaudio
file_path = "xx/xx.wav"
waveform, sr = torchaudio.load(file_path, normalize=True)

主要說明：

可以讀取float32, int16, int32類型數(shù)據(jù)，返回的是torch.tensor類型的數(shù)據(jù)；
normalize=True時，返回的數(shù)據(jù)是歸一化到(-1,1)的float32數(shù)據(jù)；
normalize=False時，返回的是float32、int16或者int32數(shù)據(jù)，具體需要看file_path本身是什么類型的音頻數(shù)據(jù)；
normalize默認值為True。

2.2 save 保存文件

保存音頻數(shù)據(jù)到文件

# out_path, 保存的音頻文件路徑，waveform保存的數(shù)據(jù)，sr是采樣率
torchaudio.save(out_path, waveform, sr)

根據(jù)waveform的格式自動保存為float32、int16或者int32

3. from scipy.io import wavfile 庫的使用

scipy.io.wavfile庫是SciPy科學(xué)計算庫中的一個模塊，主要用于讀取和寫入WAV格式的音頻文件。該庫提供了函數(shù)用于將音頻數(shù)據(jù)存儲為WAV文件或者將WAV文件加載為numpy數(shù)組，方便進行音頻數(shù)據(jù)的處理和分析。用戶可以使用scipy.io.wavfile庫來讀取音頻文件的采樣率和數(shù)據(jù)，以及將音頻數(shù)據(jù)寫入WAV文件。此外，該庫還提供了一些函數(shù)用于處理音頻數(shù)據(jù)，如獲取音頻數(shù)據(jù)的聲道數(shù)、比特深度等信息。通過scipy.io.wavfile庫，用戶可以方便地進行音頻文件的讀寫操作，并結(jié)合其他Python庫進行音頻數(shù)據(jù)處理和分析。

3.1 read 讀文件

from scipy.io import wavfile
file_name = "xx/xx.wav"
sr, wav_data = wavfile.read(file_name)

返回的是float32、int16、int32型numpy數(shù)據(jù)，具體格式根據(jù)file_name文件的音頻格式

3.2 save 保存文件

# filename, 保存的音頻文件路徑，wav_data保存的數(shù)據(jù)，sr是采樣率
wavfile.wrtie(filename, sr, wav_data)

根據(jù)wav_data的格式自動保存為float32、int16或者int32。

注：以上float32、float64數(shù)據(jù)是歸一化后的結(jié)果，與其他轉(zhuǎn)換為int16 / 2 ** 15，int32 / 2 ** 31

附： soundfile安裝報錯與解決

①問題描述

在終端使用pip install soundfile安裝soundfile時報錯。

②問題解決

python處理音頻文件經(jīng)常要使用soundfile庫。ubuntu系統(tǒng)在pip安裝soundfile庫時報錯，是因為缺乏依賴包libsndfile1，所以要先安裝依賴包，然后再安裝soundfile。命令如下：

step1：終端輸入sudo apt-get install libsndfile1

step2：終端輸入pip install soundfile

總結(jié)

到此這篇關(guān)于python中常見的幾種音頻數(shù)據(jù)讀取、保存方式的文章就介紹到這了,更多相關(guān)python音頻數(shù)據(jù)讀取保存方式內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論