使用Python实现音频效果，由浅入深理解计算机音频处理 (第1篇)

Duyu09

已于 2023-02-08 07:25:45 修改

阅读量479

点赞数 1

文章标签： python 音频

于 2023-02-07 20:47:02 首次发布

Duyu09, Faculty of Computer Science & Technology, Qilu University of Technology.

本文链接：https://blog.csdn.net/QLU_Duyu/article/details/128925194

版权

本文介绍了Python在音频处理中的应用，讲解了音频存储的原理——脉冲编码调制(PCM)，以及如何使用numpy和scipy库读取和处理wav文件中的PCM数据。对于多声道音频，可以解析出各个声道的PCM序列。然而，Python的scipy库不支持直接解码除wav之外的压缩音频格式。后续内容将探讨非WAV音频的读取和音频特效的代码实现。

摘要由CSDN通过智能技术生成

出处说明：本文转载自：使用Python实现音频效果，由浅入深理解计算机音频处理 (第1篇) (baidu.com)https://baijiahao.baidu.com/s?id=1757139553600005231

IT业内流传着一句话，“人生苦短，我用Python“，由于Python的简洁与功能的强大，它越来越受广大程序员与工程师们的青睐。目前，Python的生态系统仍逐步扩张，截至2021年第一季度，全世界已经有超过1000万python语言的开发者了。

2022年，Pypi中已有约12万+个第三方库，正是这些库的存在，极大地拓展了Python的功能与用途。今天，我带领读者朋友们，了解计算机处理音频的基本原理和使用科学计算常见的numpy与scipy库来处理音频。

知识储备：音频储存的原理

开始之前，我们必须要知道的是，音频是如何存储于计算机中的，先做个铺垫。我们的耳朵之所以能够听到声音，是因为耳朵周围的空气存在一定规律的机械振动，耳膜会将空气的振动转化为神经的信号，传输到大脑，被大脑感知。而计算机中存储的，便是这些振动声波的波形。

那么问题来了，波形如何存储？数学上，我们经常用函数来表示一种曲线，这种方法的优点是精确并且易于处理，但其缺点也是致命的：自然界中的声波非常复杂，人们几乎不可能做到用一个或几个数学函数就能将声波表达出来。于是，1937年，法国工程师Alec.里弗斯发明了一种”脉冲编码调制“(即：PCM)的方法。它简单说就是”描点作图法“，在波形上确定一些点，并只储存这些点的坐标，播放音频时，我们可以简单理解为：用光滑的曲线把这些点连接起来，就能近似的复原最初的波形了。不论再复杂的声波，PCM都能处理它，时至今日，PCM仍然是一种主流的信号调制方法。

【用”光滑“的曲线，连接每一个点】

读取PCM数据

有了以上内容为基础，我们再回到Python，python是如何读取各种格式音频文件里的PCM数据的呢？事实上，所有主流的音频文件格式中，只有wav里封装了原始的PCM数据，其他格式都使用了某些算法，对PCM序列进行了有损或无损的压缩，比如我们常见的mp3音频，就是使用了MPEG有损压缩算法，文件大小只有wav的十分之一左右。Scipy库中有一组函数：scipy.io.wavfile.read()和write()，但他只支持读取wav中未经压缩处理的pcm序列。所以，我们没有办法只通过Python解码任何格式的音频文件。

分离声道

上面的read函数返回的是一个ndarray类型的数组，ndarray是numpy库提供的python数据类型，意思是”多维数组“。read返回的ndarray实际上只有一维，即PCM序列。对于多声道音频，它的存储方式是：声道1,声道2...声道n,声道1,声道2...声道n......我们编程时，使用循环语句遍历这个大数组，很容易就能厘清各个声道。拿到各个声道的PCM序列数组后，我们就可以正式对这个音频”动刀子“整容了。