【wavenet】音频处理库librosa和pyaudio的使用

1 安装

#librosa

pip install librosa


#pyaudio

brew install portaudio
pip install pyaudio

2 使用

2.1 librosa的使用

加载音频文件librosa.load

>>> y, sr = librosa.load('/opt/code/python/datasets/corpus/VCTK-Corpus/wav48/p225/p225_337.wav')
>>> y
array([-0.0042162 , -0.00709974, -0.00608977, ...,  0.01398546,
        0.01344879,  0.        ], dtype=float32)
>>> sr
22050

y代表音频时间序列，sr代表采样评率，librosa默认使用22050采样频率对音频重新采样，如果想使用原文件的采样频率，可以设置sr=None

>>> y, sr = librosa.load('/opt/code/python/datasets/corpus/VCTK-Corpus/wav48/p225/p225_337.wav', sr=None)
>>> y
array([-0.00509644, -0.00695801, -0.00653076, ...,  0.01403809,
        0.01324463,  0.01477051], dtype=float32)
>>> sr
48000

librosa,load全部参数：

参数为：
path:音频路径
        
sr:重采样频率，默认22050，如果设置为None不重采样

mono:该值为true时候是单通道、否则为双通道

offset:读音频的开始时间，也就是可以不从头开始读取音频

duration:持续时间，可以不加载全部时间，通过与offset合作读取其中一段音频

dtype:返回的音频信号值的格式，似乎只有float和float32

res_type:重采样的格式

返回值：
y:音频的信号序列，类型为numpy.ndarray

sr:音频的采样值，如果参数没有设置返回的是原始采样率

2.2 pyaudio的使用

参考：

http://librosa.github.io/librosa/

 http://people.csail.mit.edu/hubert/pyaudio/docs/#class-pyaudio