Python开发之路（1）— 使用Pyaudio进行录音和播音

Python开发之路（1）— 使用Pyaudio进行录音和播音

一、安装Pyaudio

1、在Windows10的PyCharm集成开发环境里安装Pyaudio

打开【Settings】，选择【Project Interpreter】，然后点击右侧的【+】号

搜索pyaudio，点击安装

2、在ubuntu16下使用pip3安装Pyaudio

如果ubuntu下没有安装pip3，使用如下命令安装

sudo apt-get install python3-pip

我们需要安装一些依赖库

sudo apt-get install libasound-dev portaudio19-dev libportaudio2 libportaudiocpp0
sudo apt-get install swig
sudo apt-get install libatlas-base-dev
sudo apt-get install alsa-utils alsa-tools alsa-tools-gui alsamixergui -y

然后使用pip3命令安装pyaudio即可

pip3 install pyaudio

3、安装失败

无论是在windows还是Ubuntu下安装失败，我们可以直接使用whl安装，
下载地址：https://www.lfd.uci.edu/~gohlke/pythonlibs/#pyaudio
选择和直接系统位数及python版本对应的下载，例如我的是Python 3.7.6，64为的Windows系统，就选择PyAudio‑0.2.11‑cp37‑cp37m‑win_amd64.whl

下载好后打开命令行进入到那个文件夹下，使用命令安装即可：

pip install PyAudio-0.2.11-cp37-cp37m-win_amd64.whl			  #windows下

在Ubuntu下就使用

pip3 install PyAudio-0.2.11-cp37-cp37m-win_amd64.whl		 #Ubuntu下

如下所示，安装成功

二、使用pyaudio播音

首先我们要确认声卡是否能够使用在Ubuntu 上输入alsaloop命令，即在扬声器听到你说话的声音。
我们要导入需要用到的pyaudio包

import pyaudio,wave

首先，打开我们要播放的文件

# 打开我们要播放的文件
wf=wave.open(r"01.wav",'rb')

然后就可以实例化一个PyAudio对象了

# 实例化一个PyAudio对象
pa = pyaudio.PyAudio()

然后使用这个对象去打开声卡，设置 采样深度、通道数、采样率、输入和采样点缓存数量

# 打开声卡
stream = pa.open(format=pa.get_format_from_width(wf.getsampwidth()),    # 从wf中获取采样深度
                 channels=wf.getnchannels(),                            # 从wf中获取声道数
                 rate=wf.getframerate(),                                # 从wf中获取采样率
                 output=True)                                           # 设置为输出

然后将得到的音频数据播放出来即可

count = 0
while count < 8*5:
    audio_data = stream.read(2048)      # 读出声卡缓冲区的音频数据
    record_buf.append(audio_data)       # 将读出的音频数据追加到record_buf列表
    count += 1
    print('*')

播放完成后关闭声卡，终止PyAudio

# 关闭声卡
stream.close()
pa.terminate()

在Windows下直接使用录音机录音，然后将名字修改成"01.wav"，并复制到python脚本所在的文件夹下；
在ubuntu下，可以使用命令录制一段5秒的声音进行测试；

arecord -D "plughw:0,0" -f S16_LE -r 16000 -d 5 -t wav 01.wav

参数是意义

指令	含义	本指令含义
-D	选择设备名称	使用系统自带声卡plughw:0,0
-f	录音格式	S16_LE代表有符号16位小端序
-r	采样率	16000是16KHz采样
-d	录音时长	录音5秒
-t	录音格式	wav格式
01.wav	文件名，可以包含路径	文件名字叫 01.wav

然后运行python程序即可播放声音

三、使用pyaudio录音

首先我们要确认声卡是否能够使用，在windows上直接使用windows自带的录音机即可；在Ubuntu 上输入alsaloop命令，即在扬声器听到你说话的声音。保证声卡可以使用后我们就可以开始编写代码进行录音了。
首先，我们要导入需要用到的pyaudio包

import pyaudio,wave

接下来就可以实例化一个PyAudio对象了

# 实例化一个PyAudio对象
pa = pyaudio.PyAudio()

然后使用这个对象去打开声卡，设置 采样深度、通道数、采样率、输入和采样点缓存数量

# 打开声卡，设置 采样深度为16位、声道数为2、采样率为16、输入、采样点缓存数量为2048
stream = pa.open(format=pyaudio.paInt16, channels=2, rate=16000, input=True, frames_per_buffer=2048)

新建一个列表，用来存储采样到的数据

# 新建一个列表，用来存储采样到的数据
record_buf = [] 

然后就通过声卡循环采用，采样到一定数据后即可停止采样

count = 0
while count < 8*5:
    audio_data = stream.read(2048)      # 读出声卡缓冲区的音频数据
    record_buf.append(audio_data)       # 将读出的音频数据追加到record_buf列表
    count += 1
    print('*')

采样完成后将数据写入一个wav文件，首先我们要创建一个音频文件，然后设置 声道数、采样深度、采样率

    wf = wave.open('01.wav', 'wb')          # 创建一个音频文件，名字为“01.wav"
    wf.setnchannels(2)                      # 设置声道数为2
    wf.setsampwidth(2)                      # 设置采样深度为
    wf.setframerate(16000)                  # 设置采样率为16000
    # 将数据写入创建的音频文件
    wf.writeframes("".encode().join(record_buf))
    # 写完后将文件关闭
    wf.close()

然后我们需要要停止声卡，关闭声卡，终止pyaudio

# 停止声卡
stream.stop_stream()
# 关闭声卡
stream.close()
# 终止pyaudio
pa.terminate()

运行程序，可以看到脚本目录下多出来一个大约5秒的音频文集，windows下直接使用默认播放器麻烦即可，在ubuntu下可以使用命令播放

aplay 01.wav 

四、优化

为了更好的使用体验，我们可以在录音的过程中添加一个进度条。
要使用进度条，我们需要导入tqdm模块，在Pycharm里之间搜索然后安装即可：

在ubuntu里使用命令安装即可：

pip3 install tqdm

然后就可以导入tqdm模块

from tqdm import tqdm

将录音python 代码中的循环采样中的while count < 8 * 5 :

修改为for i in tqdm(range( 8 * 5 )):即可：

然后可以看到：