python音頻處理相關類庫

1、eyeD3

如下是eyed3的官方介紹

eyeD3 is a Python tool for working with audio files, specifically mp3 files containing ID3 metadata (i.e. song info).

It provides a command-line tool (eyeD3) and a Python library (import eyed3) that can be used to write your own applications or plugins that are callable from the command-line tool.

For example, to set some song information in an mp3 file called song.mp3:

$ eyeD3 -a Nobunny -A "Love Visions" -t "I Am a Girlfriend" -n 4 song.mp3

簡單來講，eyeD3 這個庫只要是用來處理MP3文件的，特別是帶ID3 metadata的文件(通常MP3文件都會帶有一些額外信息，好比說歌手、專輯之類的，後面會說怎麼提取這些信息)。eyeD3 提供了兩種使用方法，一種是使用command line 直接在命令行中執行 eyeD3 --...就能夠對MP3進行處理，還有一種是在python中使用 import eyed3 導入。

上面的例子就是官方提供的一個使用eyeD3 命令行執行的語句，-a 是 --artist 的簡寫，即添加歌手信息，-A 是 --album的簡寫，即添加專輯信息，-t 是 --title的簡寫，即添加歌曲名字，-n 是 --track-num 的簡寫，即添加磁道數。這些通常都是 MP3文件ID3 tag 的默認屬性。咱們若是直接輸入 eyeD3 song.mp3 就會直接顯示歌曲的基本信息，

windows下測試截圖以下：

能夠看出確實常見的信息都顯示出來了。

eyeD3 命令行講完以後，再來講下如何在Python中使用。仍是看官方給的例子吧：

import eyed3

audiofile = eyed3.load("song.mp3")
audiofile.tag.artist = u"Nobunny"
audiofile.tag.album = u"Love Visions"
audiofile.tag.album_artist = u"Various Artists"
audiofile.tag.title = u"I Am a Girlfriend"
audiofile.tag.track_num = 4

audiofile.tag.save()

上面的代碼，使用 import eyed3 導入eyeD3 庫，而後使用load方法加載mp3文件，後面的幾行分別是設置 artist,album等等 ID3 tag ，直接看代碼就能看出來，就不說了。若是想顯示mp3文件內部的ID3 tag信息，直接print 相應的tag就好了，好比 print(audiofile.tag.artist)等等，固然，前提是你的MP3 metadata得儲存了這些信息。其實還有一些更復雜和高級的用法，我就不講了，你們有興趣直接去官方文檔看吧，地址：http://eyed3.nicfit.net/index.html。eyeD3 主要就是處理 MP3文件的metadata的，至於解析音頻之類的就得用其餘的庫了。

 

2、pydub

　　第一個介紹的eyeD3 通常只能處理MP3文件，功能上相對來講也是比較簡單一點。下面介紹的pydub庫就要強大的多。老規矩，仍是先看一下它的官方介紹：
Manipulate audio with a simple and easy high level interface http://pydub.com  就一句話，簡單，易用的處理音頻的高度抽象的接口，嘿，這不就是咱們要找的麼。github項目地址爲：https://github.com/jiaaro/pydub/  有1800多的star，說明這個
庫仍是很受歡迎的。安裝直接很簡單，直接 pip install pydub 就能夠安裝。可是須要注意的是：

Dependencies

You can open and save WAV files with pure python. For opening and saving non-wav files – like mp3 – you'll need ffmpeg orlibav.

這裏是說python自帶的wave模塊只能處理 wav 格式的音頻文件，若是要想處理相似MP3格式的文件，就得要裝 ffmpeg或者libav了。

什麼是ffmpeg 呢？

A complete, cross-platform solution to record, convert and stream audio and video. 

ffmpeg 是一個跨平臺的 能夠用來 記錄、轉化音頻與視頻的工具，若是你作過數字信號處理方面的工做，對它應該不陌生。還有一個libav，實際上是從ffmpeg分出來的一個分支，功能和 ffmpeg差很少，兩者你任選一個下載就能夠了。windows下直接選擇可執行文件安裝便可。

仍是看官網的例子來介紹吧。

I：打開 mp3或者mp4等文件

能夠採用以下的命令：

from pydub import AudioSegment

song = AudioSegment.from_wav("never_gonna_give_you_up.wav")
song = AudioSegment.from_mp3("never_gonna_give_you_up.mp3")

ogg_version = AudioSegment.from_ogg("never_gonna_give_you_up.ogg")
flv_version = AudioSegment.from_flv("never_gonna_give_you_up.flv")

mp4_version = AudioSegment.from_file("never_gonna_give_you_up.mp4", "mp4")
wma_version = AudioSegment.from_file("never_gonna_give_you_up.wma", "wma")
aac_version = AudioSegment.from_file("never_gonna_give_you_up.aiff", "aac")

能夠打開任何 ffmpeg支持的文件類型，從上面能夠看出，主要有 from_filetype()方法,filetype爲具體的文件類型，好比 wav,mp3等

或者通用的 from_file()方法，可是這個方法必須在第二個參數指定打開文件的類型，返回的結果都是 AudioSegment對象。

II：切割音頻

# pydub does things in milliseconds
ten_seconds = 10 * 1000
first_10_seconds = song[:ten_seconds]
last_5_seconds = song[-5000:]

注意pydub中的標準時間爲毫秒，上面的代碼就獲得了音樂的前10秒和後5秒，很是簡單。

III：調整音量

# boost volume by 6dB
beginning = first_10_seconds + 6
# reduce volume by 3dB
end = last_5_seconds - 3

+6 就表示將音樂的音量提升6分貝，-3就表示將音樂的音量下降3分貝

IV: 拼接兩段音樂

without_the_middle = beginning + end

without_the_middle.duration_seconds

拼接以後的音樂時長是兩段音樂時長之和，能夠經過 .duration_seconds方法來獲取一段音樂的時長。這與使用 len(audio)/1000.0獲得的結果是同樣的。

V：將音樂翻轉(reverse)

# song is not modified
# AudioSegments are immutable
backwards = song.reverse()

注意 AudioSegment 對象是不可變的，上面使用reverse 方法不會改變song這個對象，而是會返回一個新的AudioSegment對象，其餘的方法也是這樣，須要注意。reverse簡單來講就是 將音樂從尾部向頭部開始逆序播放，我試了一下，發現轉換以後還真的挺有意思的。

VI：crossfade(交叉漸入漸出方法)

# 1.5 second crossfade
with_style = beginning.append(end, crossfade=1500)

crossfade 就是讓一段音樂平緩地過渡到另外一段音樂，上面的crossfade = 1500 表示過渡的時間是1.5秒。

VII：repeat（重複音樂片斷）

# repeat the clip twice

do_it_over = with_style * 2

上面的代碼讓音樂重複播放兩次

VIII：fade in and fade out（逐漸加強與逐漸減弱）

# 2 sec fade in, 3 sec fade out

awesome = do_it_over.fade_in(2000).fade_out(3000)

逐漸加強2秒，逐漸減弱3秒

XI：save(保存)

awesome.export("mashup.mp3", format="mp3")

awesome.export("mashup.mp3", format="mp3", tags={'artist': 'Various artists', 'album': 'Best of 2011', 'comments': 'This album is awesome!'})

這裏展現了兩種保存的形式，都是使用export方法，要指定保存的格式，使用format 參數，但第二種方法多了一個tags參數，其實看一下應該就很容易明白，是保存 歌曲ID3 tag信息的。

以上只是pydub 使用方法的初步介紹，還有其餘很是多的功能，請自行移步官方API 文檔：https://github.com/jiaaro/pydub/blob/master/API.markdown

介紹的很是詳細。

 

3、PyAudio
又是一個功能強大的處理音頻庫。官方介紹：

PyAudio provides Python bindings for PortAudio, the cross-platform audio I/O library. With PyAudio, you can easily use Python to play and record audio on a variety of platforms. PyAudio is inspired by:

• pyPortAudio/fastaudio: Python bindings for PortAudio v18 API.
• tkSnack: cross-platform sound toolkit for Tcl/Tk and Python.

Pyaudio 提供了對於跨平臺的 PortAudio（處理 audio輸入輸出的庫）的綁定，PyAudio可讓你輕鬆錄製與播放音頻。

廢話很少說，直接看官方文檔（https://people.csail.mit.edu/hubert/pyaudio/docs/）提供的一個quick start 的代碼

"""PyAudio Example: Play a wave file."""

import pyaudio
import wave
import sys

CHUNK = 1024

if len(sys.argv) < 2:
　　print("Plays a wave file.\n\nUsage: %s filename.wav" % sys.argv[0])
　　sys.exit(-1)

wf = wave.open(sys.argv[1], 'rb')

# instantiate PyAudio (1)
p = pyaudio.PyAudio()

# open stream (2)
stream = p.open(format=p.get_format_from_width(wf.getsampwidth()),
channels=wf.getnchannels(),
rate=wf.getframerate(),
output=True)

# read data
data = wf.readframes(CHUNK)

# play stream (3)
while len(data) > 0:
　　stream.write(data)
　　data = wf.readframes(CHUNK)

# stop stream (4)
stream.stop_stream()
stream.close()

# close PyAudio (5)
p.terminate()

固然，這個提供的是使用命令行參數接收音頻文件的形式，CHUNK 是一次讀取的音頻byte數量，p = pyaudio.PyAudio()初始化一個

PyAudio對象，而後使用其open方法打開一個輸入輸出流，這裏指定了output=True說明這是一個輸出流，即咱們是往stream中添加data，若是這裏改成 input = True就是變成輸入流了，通常是從設備的標準 audio device ，對於電腦來講可能就是麥克風了，來讀取音頻data。使用wave打開一個 .wav 文件，而後使用 readframes方法每次讀取 CHUNK 這麼多的數據，將數據寫入 stream，直到讀完爲止。寫入stream的audio data 就會不斷經過麥克風播放出來了，因而咱們就能夠聽到音樂了。最後在結束的時候，注意要關閉相應的對象以釋放資源。

還有一種方法是使用callback（回調函數）函數，代碼以下：

"""PyAudio Example: Play a wave file (callback version)."""

import pyaudio
import wave
import time
import sys

if len(sys.argv) < 2:
　　print("Plays a wave file.\n\nUsage: %s filename.wav" % sys.argv[0])
　　sys.exit(-1)

wf = wave.open(sys.argv[1], 'rb')

# instantiate PyAudio (1)
p = pyaudio.PyAudio()

# define callback (2)
def callback(in_data, frame_count, time_info, status):
　　data = wf.readframes(frame_count)
　　return (data, pyaudio.paContinue)

# open stream using callback (3)
stream = p.open(format=p.get_format_from_width(wf.getsampwidth()),
channels=wf.getnchannels(),
rate=wf.getframerate(),
output=True,
stream_callback=callback)

# start the stream (4)
stream.start_stream()

# wait for stream to finish (5)
while stream.is_active():
　　time.sleep(0.1)

# stop stream (6)
stream.stop_stream()
stream.close()
wf.close()

# close PyAudio (7)
p.terminate()

不細說了。

下面來看一個使用pyaudio + numpy + pylab 可視化音頻的代碼，下面的代碼打開電腦的麥克風，而後接受音頻輸入，再以圖像的形式展現出來。

# -*- coding: utf-8 -*-
import pyaudio
import numpy as np
import pylab
import time

RATE = 44100
CHUNK = int(RATE/20) # RATE/number of updates per second

def sound_plot(stream):
　　t1 = time.time() # time starting
　　data = np.fromstring(stream.read(CHUNK),dtype = np.int16)
　　pylab.plot(data)
　　pylab.title(i)
　　pylab.grid()
　　pylab.axis([0,len(data),-2**8,2**8])
　　pylab.savefig("sound.png",dpi=50)
　　pylab.show(block = False)
　　time.sleep(0.5)
　　pylab.close('all')
　　print("took %.2f ms." % (time.time() - t1)*1000)

if __name__ == '__main__':
　　p = pyaudio.PyAudio()
　　stream = p.open(format = pyaudio.paInt16,channels = 1,rate = RATE,
　　input = True,frames_per_buffer = CHUNK)
　　for i in range(int(20*RATE/CHUNK)):
　　　　# for 10 seconds
　　　　sound_plot(stream)
　　stream.stop_stream()
　　stream.close()
　　p.terminate()

代碼應該比較容易理解。獲得的大概是像下面這樣的圖形:

 

須要注意的是，若是不是在交互式命令下執行pylab或者matplotlib的plot命令，其plt.show()函數是一個block函數，這會致使最後的

plt.close('all') 關閉全部的窗口只會在手動關閉了圖像以後纔會執行，全部咱們沒法看到連續變化的圖像，爲了解決這個問題，咱們將plt.show()函數block參數設爲False，這樣show函數就不是block函數了，能夠直接執行plt.close('all')命令，爲了避免由於圖像刷新太快咱們看不清變化，因此使用time.sleep(0.5) 暫停0.5秒。