python 音频文件处理 pydub

pydub是一个用于处理音频文件的模块

pydub安装

pip install pydub

依赖：需安装ffmpeg或者libav

• Mac

  # libav
  brew install libav --with-libvorbis --with-sdl --with-theora
  
  ####    OR    #####
  
  # ffmpeg
  brew install ffmpeg --with-libvorbis --with-sdl2 --with-theora
  

• Linux

  # libav
  apt-get install libav-tools libavcodec-extra
  
  ####    OR    #####
  
  # ffmpeg
  apt-get install ffmpeg libavcodec-extra
  

• Windows

  libav下载地址：https://libav.org/download/

  ffmpeg下载地址：https://www.ffmpeg.org/download.html

pydub使用

AudioSegment() 使用方式：

from pydub import AudioSegment

• 打开音频文件

  # 打开wav格式音频文件
  sound = AudioSegment.from_wav('./soundfile.wav')
  
  # 打开mp3音频文件，AudioSegment原生只支持wav，raw文件，安装ffmpeg可支持其所有格式
  sound = AudioSegment.from_mp3('./soundfile.mp3')
  
  # 打开音频文件，生成AudioSegment对象
  sound = AudioSegment.from_file('./soundfile.mp3')	# format默认值为"mp3"
  sound = AudioSegment.from_file('./soundfile.wav', format='wav')
  # 打开raw文件需要额外参数，sample_width（采样位数），frame_rate（采样频率），channels（声通道）
  # sample_width: 1、8bit，2、16bit，3、32bit
  # frame_rate: 44100(44.1kHz CD audio), 48000(48kHz DVD audio)
  # channels: 1、单声道，2、立体声
  sound = AudioSegment.from_file('./soundfile.raw', format='raw', frame_rate=44100, channels=2, sample_width=2)
  

• 导出音频文件

  sound = AudioSegment.from_file('./soundfile.wav', format='wav')
  
  # 导出音频文件
  sound.export('./outputsoundfile.mp3', format='mp3')
  

• 创建音频文件

  # 生成一个时间长度为0秒的AudioSegment对象，一般用于多个音频合并
  sound = AudioSegment.empty()
  
  # 生成一个时间长度为5秒的无声AduioSegment对象
  # 参数duration:时间长度（毫秒），frame_rate:频率，默认为11025Hz
  sound = AudioSegment.silent(duration=50000)
  

• 合并音频文件

  # 两个单声道音频合并为一个多声道音频
  left_channel = AudioSegment.from_wav('sound_left.wav')
  right_channel = AudioSegment.from_wav('sound_right.wav')
  stereo_sound = AudioSegment.from_mono_auidosegments(left_channel,right_channel)
  # 将多声道音频分解成两个单声道
  sound = AudioSegment.from_wav('sound.wav')
  sound.split_to_mono()
  
  # 两个音频文件合并为一个音频文件
  sound1 = AudioSegment.from_file('sound1.wav', format='wav')
  sound2 = AudioSegment.from_file('sound2.wav', format='wav')
  # 无交叉淡入淡出
  sound = sound1 + sound2
  # OR
  sound = sound1.append(sound2, crossfade=0)
  # 淡入淡出，参数crossfade:效果持续时间，默认100毫秒
  sound = sound1.append(sound2, crossfade=100) 
  
  # 两个音频文件叠加为一个音频文件
  # 例，长音频sound1，30s
  sound1 = AudioSegment.from_file('sound1.wav', format='wav')
  # 例，短音频sound2，10s
  sound2 = AudioSegment.from_file('sound2.wav', format='wav')
  # 将sound2叠加至sound1上，参数postions:从sound1音频10秒处开始叠加，默认为0，得到的音频文件，会从10秒处开始出现sound2音频，20秒处sound2音频结束，只余sound1音频
  sound = sound1.overlay(sound2, postions=10000)
  # 将sound2叠加至sound1上，参数loop:开启循环，默认为Fasle，得到的音频文件sound2将会循环播放至sound1结束
  sound = sound1.overlay(sound2, loop=true)
  # 将sound2叠加至sound1上，参数times:重复次数，默认为1，得到的音频文件sound2将会重复两次，在两个sound2的时间结束sound2音频
  sound = sound1.overlay(sound2, times=2)
  # 将sound1叠加至sound2上，10秒后sound2音频结束，sound1音频截断至10s结束，最终该音频长度只有10s，即
  sound = sound2.overlay(sound1)
  len(sound) == sound2
  

• 音频文件信息

  sound = AudioSegment.from_file('soundfile.wav', format='wav')
  
  # 声道数
  schannel = sound.channels
  
  # 采样位数，也称位深度，是指每个采样样本所包含的位数（字节数），通常有8 bit、16 bit
  sbytes = sound.sample_width
  
  # 采样频率，也称采样率，是指在单位时间内对声音信号的采样数或样本数，采样频率越能高表现的频率范围越大（电话：8kHZ，无线电广播：22.05kHz，CD：44.1kHz，DVD：48kHZ，蓝光：96kHz，192kHz）
  srate = sound.frame_rate
  
  # 帧位数, 帧包含每个声道的采样位数frame_width = channels * sample_width
  sframebytes = sound.frame_width
  
  # 音频文件帧数, 可选参数ms:时间长度，默认None
  sframe = sound.frame_count()
  
  # 音频文件时长，单位秒
  stime = sound.duration_seconds
  # OR
  stime = (len(sound) / 1000)
  

• 处理音频文件

  sound = AudioSegment.from_file('soundfile.wav', format='wav')
  
  # 音频前5秒，pydub中时间以毫秒（ms）为单位
  audio_begin = sound[:5000]
  # 音频后5秒，pydub中时间以毫秒（ms）为单位
  audio_end = sound[-5000:]
  
  # 改变音频幅度，以分贝（dB）为单位
  # 调高幅度
  raise_via = sound.apply_gain(+5)
  raise_via = sound + 5
  # 调低音量
  lower_via = sound.apply_gain(-5)
  lower_via = sound - 5
  
  # 淡入淡出效果
  # 淡入，参数duration:持续时间
  sound.fade_in(duration=5000)
  # 淡出，参数duration:持续时间
  sound.fade_out(duration=5000)
  
  # 倒放音频文件
  newsound = sound.reverse()
  

playback() 使用方式：

from pydub import playback

• 播放音频文件

  from pydub import AduioSegment
  from pydub.playback import play
  
  sound = AduioSegment.from_wav('sound.wav')
  
  # 播放音频
  play(sound)
  

utils() 使用方式：

from pydub import utils

• 分割音频

  from pydub import AudioSegment
  from pydub.utils import make_chanks
  
  sound = AduioSegment.from_wav('sound.wav')
  
  # 分割音频, 参数chunk_length:一段音频多长时间
  make_chanks(sound, chunk_length=5000)