Python读取wav格式文件

本文首发于 AI柠檬博客，原文链接：Python读取wav格式文件

如果你想学习更多机器学习、大语言模型的内容，欢迎访问   AI柠檬博客 

---

我们经常需要处理wav格式的文件，读取其中的声音信号和相关参数，来做一些事情。如果我们使用C++来做，那么需要对文件的底层存储格式有一个透彻的了解才行，而且考虑不周还有可能出Bug；如果使用MatLab来做，虽然只有一行代码就可以读取文件，但是MatLab语言自身的局限性使得写出的代码难以在实际中投入使用。因此，兼顾简介易用和实用性，用Python来做就显得比较好了。

首先，自然地，我们需要导入Python包：

import wave

这个Pyhton包提供了一个方便的WAV格式文件读写的接口。

它支持单声道与立体声，但是不支持压缩和解压缩。

wave类的方法函数：

open(file, [mode])
打开一个wave文件流对象，返回该对象。

参数：
file: 如果file是一个字符串，那么就打开文件，否则就把它当做一个类文件对象。
mode: 可缺省，如果输入的参数是一个类文件对象，那么file.mode将会作为mode的值。

mode可选参数如下：
只读模式：  ‘r’, ‘rb’
只写模式：  ‘w’, ‘wb’

注意：不能同时完成读/写操作

close()
关闭该流，使得该实例不可用，它会自动调用对象收集机制。

getnchannels()
返回音频的声道数（1是单声道，2是立体声）。

getsampwidth()
返回该实例每一帧的字节宽度。

getframerate()
返回实例的频率（单位：Hz）。

getnframes()
返回音频的帧数。

getcomtype()
返回压缩类型（仅支持’NONE’）。

getcompname()
是getcomtype()的人类可读的版本，通常用’not compressed’表示’NONE’。

getparams()
返回一个元组tuple (nchannels, sampwidth, framerate, nframes, comptype, compname)，包含了以上的方法取得的几个值。

readframes(n)
从流的当前指针位置一次读出音频的n个帧，并且指针后移n个帧，返回一个字节数组。

rewind()
倒带，将该文件指针指向音频流的最开始位置。

其次，我们需要使用numpy中的shape来改变数组的形状，主要是为了解决立体声即双轨声道时候的信号能量表示问题。

import numpy as np

arr = np.array([[1,2,3],[4,5,6]])

arr.shape = 3,2

可以将原为2*3的数组（矩阵）转为3*2数组（矩阵）。当某数轴的参数为-1时，可根据元素个数，自动计算另一轴的最大长度。

实例代码：

#!/usr/bin/env python3

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

def read_wav_data(filename):

'''

读取一个wav文件，返回声音信号的时域谱矩阵和播放时间

'''

wav = wave.open(filename,"rb") # 打开一个wav格式的声音文件流

num_frame = wav.getnframes() # 获取帧数

num_channel=wav.getnchannels() # 获取声道数

framerate=wav.getframerate() # 获取帧速率

num_sample_width=wav.getsampwidth() # 获取实例的比特宽度，即每一帧的字节数

str_data = wav.readframes(num_frame) # 读取全部的帧

wav.close() # 关闭流

wave_data = np.fromstring(str_data, dtype = np.short) # 将声音文件数据转换为数组矩阵形式

wave_data.shape = -1, num_channel # 按照声道数将数组整形，单声道时候是一列数组，双声道时候是两列的矩阵

wave_data = wave_data.T # 将矩阵转置

wave_data = wave_data

return wave_data, framerate

def wav_show(wave_data, fs): # 显示出来声音波形

time = np.arange(0, len(wave_data)) * (1.0/fs) # 计算声音的播放时间，单位为秒

# 画声音波形

plt.plot(time, wave_data)

plt.show()

if(__name__=='__main__'):

wave_data, fs = read_wav_data("1.wav")

wav_show(wave_data[0],fs)

wav_show(wave_data[1],fs) # 如果是双声道则保留这一行，否则删掉这一行

---

本文首发于 AI柠檬博客，原文链接：Python读取wav格式文件

如果你想学习更多机器学习、大语言模型的内容，欢迎访问   AI柠檬博客