Python 基于音频频谱生产频谱动效

首先，需要安装一些必要的库，比如matplotlib、numpy、scipy和moviepy。

pip install matplotlib numpy scipy moviepy

然后，需要用scipy.io.wavfile模块来读取音频文件，并用scipy.fft.fft函数来计算音频信号的傅里叶变换，得到频谱数据。

接下来，需要用matplotlib.pyplot模块来绘制每一帧的频谱图，并用moviepy.editor模块来将这些图像合成为一个视频文件。

最后，需要用tkinter.filedialog模块来调用Windows文件资源管理器选择一个或多个音频文件，并对每个文件执行上述步骤。

# 导入必要的库
import matplotlib.pyplot as plt
import numpy as np
from scipy.io import wavfile
from scipy.fft import fft
from moviepy.editor import ImageSequenceClip
from tkinter.filedialog import askopenfilenames

# 定义一些常量和参数
FPS = 30 # 视频帧率（每秒帧数）
RESOLUTION = (3840, 2160) # 视频分辨率（宽度和高度）
COLORS = ["red", "orange", "yellow", "green", "blue", "indigo", "violet"] # 频谱图颜色列表

# 定义一个函数，根据音频文件名生成动画视频文件名
def get_video_name(audio_name):
    return audio_name[:-4] + ".mp4" # 去掉音频文件名的后缀".wav"，并加上".mp4"

# 定义一个函数，根据音频信号和采样率计算并绘制每一帧的频谱图，并返回图像列表
def get_spectrum_images(wave_data, samplerate):
    images = [] # 初始化图像列表为空列表
    n = len(wave_data) # 获取音频信号长度（采样点数）
    t = n / samplerate # 获取音频时长（秒）
    dt = 1 / FPS # 获取每一帧的时间间隔（秒）
    df = 1 / t # 获取每一个频率分量的间隔（赫兹）
    f_max = samplerate / 2 # 获取最大可显示的频率（赫兹），根据奈奎斯特定理等于采样率的一半
    n_frame = int(t * FPS) # 获取总帧数（整数）
    n_per_frame = int(n / n_frame) # 获取每一帧对应的采样点数（整数）
    
    for i in range(n_frame): # 对于每一帧
        start = i * n_per_frame # 计算该帧对应的起始采样点索引（整数）
        end = (i + 1) * n_per_frame # 计算该帧对应的结束采样点索引（整数）
        segment = wave_data[start:end] # 截取该帧对应的音频信号片段（数组）
        spectrum = np.abs(fft(segment))[:n_per_frame//2] * 2 / n_per_frame # 计算该片段的傅里叶变换，并取绝对值、截取前半部分、归一化得到幅度谱（数组）
        f_axis = np.arange(0, f_max, df)[:n_per_frame//2] # 计算横轴对应的频率值（数组）

        plt.figure(figsize=(plt.figure(figsize=(RESOLUTION[0]/100, RESOLUTION[1]/100)) # 创建一个新的图形，并设置大小为视频分辨率（英寸）
        plt.bar(f_axis, spectrum, width=df*0.8, color=COLORS[i%len(COLORS)]) # 用柱状图绘制频谱图，并设置宽度和颜色
        plt.xlim(0, f_max) # 设置横轴范围为0到最大可显示频率
        plt.ylim(0, 1) # 设置纵轴范围为0到1
        plt.axis("off") # 关闭坐标轴显示
        plt.tight_layout() # 调整布局，去掉多余的空白边缘
        image = plt.savefig("temp.png") # 将图像保存为临时文件（PNG格式）
        images.append("temp.png") # 将临时文件名添加到图像列表中
        plt.close() # 关闭当前图形

    return images # 返回图像列表

# 定义一个函数，根据音频文件名和图像列表生成动画视频文件，并删除临时文件
def make_video(audio_name, images):
    video_name = get_video_name(audio_name) # 根据音频文件名生成视频文件名（字符串）
    clip = ImageSequenceClip(images, fps=FPS) # 根据图像列表和帧率创建一个视频剪辑对象（对象）
    clip.write_videofile(video_name, audio=audio_name) # 将视频剪辑对象写入视频文件，并添加音频（无返回值）
    os.remove("temp.png") # 删除临时文件（无返回值）

# 导入必要的库
import tkinter as tk

# 创建一个空白的窗口对象（对象）
window = tk.Tk()
# 隐藏窗口（无返回值）
window.withdraw()
# 调用Windows文件资源管理器选择一个或多个音频文件，并返回它们的路径列表（列表）
audio_names = askopenfilenames(filetypes=[("WAV files", "*.wav")])
# 恢复窗口显示（无返回值）
window.deiconify()
# 销毁窗口对象（无返回值）
window.destroy()

for audio_name in audio_names: # 对于每个音频文件路径
    samplerate, wave_data = wavfile.read(audio_name) # 读取音频文件，并返回采样率和信号数据（整数和数组）
    images = get_spectrum_images(wave_data, samplerate) # 根据信号数据和采样率计算并绘制每一帧的频谱图，并返回图像列表（列表）
    make_video(audio_name, images) # 根据音频路径和图像列表生成动画视频文件，并删除临时文件（无返回值）

print("完成！") # 打印完成信息（无返回值）