python 语音处理工具包AudioSegment的基本使用

python 语音处理工具包AudioSegment的基本使用

• 1.AudioSegment库的安装
• 2.AudioSegment库的使用
• 3.后续~
• • 3.1 AudioSegment中mp3转wav文件并转换采样频率fs

1.AudioSegment库的安装

---

1. 参考网址： pydub官方安装教程
2. 参考网址：使用pydub报错RuntimeWarning
3. 参考网址： AudioSegment官方使用手册
4. 参考网址：AudioSegment API Documentation

---

2.AudioSegment库的使用

from pydub import AudioSegment

• 1

• 1

---

1. 加载语音文件

#可以看到读取文件有很多方式，有直接from_file(),也有from_mp3()、from_wav(),下面的两个读取语句是等价的：
sound=AudioSegment.from_file('aaa.mp3','mp3')
sound=AudioSegment.from_mp3('aaa.mp3')

• 1
• 2
• 3

• 1
• 2
• 3

1. 获取音频文件信息

#取得音频的声道数 channel_count = sound.channels print(channel_count) #取得音频文件采样频率 frames_per_second = sound.frame_rate print(frames_per_second) #取得音频的持续时间，同 len() print(sound.duration_seconds) print((len(sound) / 1000.0)) #取得音频数据 raw_audio_data = sound.raw_data #这是bytes类型的 wav_data=sound.get_array_of_samples() #这是array类型的数据 print(raw_audio_data) #取得音频文件帧宽度 bytes_per_frame = sound.frame_width print(bytes_per_frame) #取得音频中的最大振幅 normalized_sound = sound.apply_gain(-sound.max_dBFS) print(normalized_sound) #取得音频的分贝数 loudness = sound.dBFS print(loudness) #获取音频音量大小，该值通常用来计算分贝数（dB= 20×lgX） loudness = sound.rms print(loudness)

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25

1. 音频文件修改

# 语音切割,以毫秒为单位
start_time=0
end_time=2000
part = sound[start_time:end_time]
#调整音量大小
louder_via_method = sound.apply_gain(+3.5) # 提高
quieter_via_method = sound.apply_gain(-5.7) # 减小
#调整多声道音频的左右声道音量
#如果单声道音频调用此方法，它将先被转换为多声道
stereo_balance_adjusted = sound.apply_gain_stereo(-6, +2)
#左右声道平衡，按百分比增大一边，减小另一边
# pan the sound 15% to the right
panned_right = sound.pan(+0.15)
# # pan the sound 50% to the left
panned_left = sound.pan(-0.50)

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15

1. 文件保存

#语音文件切割 part = sound[start_time:end_time] #定义切割文件名称 data_split_filename='save.wav') #保存切割文件 part.export(data_split_filename, format='wav')

• 1
• 2
• 3
• 4
• 5
• 6

• 1
• 2
• 3
• 4
• 5
• 6

---

3.后续~

后续功能正在探索中。。。。

3.1 AudioSegment中mp3转wav文件并转换采样频率fs

from pydub import AudioSegment

def mp3_to_wav(mp3_filename,wav_filename,frame_rate):
    '''
    调整语音文件的编码  mp3 --> wav
    :param mp3_filename: mp3文件名称
    :param wav_filename: wav文件名称
    :param frame_rate: 采样频率
    :return:
    '''
    mp3_file = AudioSegment.from_mp3(file=mp3_filename)
    mp3_file.set_frame_rate(frame_rate).export(wav_filename,format='wav')

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13

直接调用函数即可~（PS: 2021年4月21添加）