使用 python 从 mp3 音频文件中获取幅度数据

Posted 2023-02-18

【中文标题】使用 python 从 mp3 音频文件中获取幅度数据

【英文标题】：get the amplitude data from an mp3 audio files using python

【发布时间】：2016-12-12 09:11:11

【问题描述】：

我有一个 mp3 文件，我想基本上绘制该音频样本中存在的幅度谱。 我知道如果我们有一个 wav 文件，我们可以很容易地做到这一点。有很多 python 包可用于处理 wav 文件格式。但是，我不想将文件转换为 wav 格式然后存储它然后使用它。 我想要实现的是直接获取 mp3 文件的幅度，即使我必须将其转换为 wav 格式，脚本也应该在运行时进行广播，而无需将文件实际存储在数据库中。 我知道我们可以按如下方式转换文件：

from pydub import Audiosegment
sound = AudioSegment.from_mp3("test.mp3")
sound.export("temp.wav", format="wav")

它创建了它应该创建的 temp.wav，但我们可以只使用内容而不存储实际文件吗？

【问题讨论】：

嗯，我有一个代码来获取 wav 文件的幅度。但是我不确定python中是否有类似的包来处理mp3格式

我认为这个问题没有任何问题。我在这个网站上看到了很多问题，程序员询问是否存在解决特定问题的替代方法。

【参考方案1】：

MP3 是编码波形（+ 标签和其他东西）。您需要做的就是使用 MP3 解码器对其进行解码。解码器将为您提供进一步处理所需的完整音频数据。

如何解码 mp3？我很震惊，Python 的可用工具如此之少。虽然我在this 问题中找到了一个很好的答案。它被称为pydub，我希望我可以使用作者提供的示例 sn-p（我使用来自 wiki 的更多信息对其进行了更新）：

from pydub import AudioSegment

sound = AudioSegment.from_mp3("test.mp3")

# get raw audio data as a bytestring
raw_data = sound.raw_data
# get the frame rate
sample_rate = sound.frame_rate
# get amount of bytes contained in one sample
sample_size = sound.sample_width
# get channels
channels = sound.channels

请注意，raw_data 此时正在“播出”；）。现在由您决定如何使用收集到的数据，但这个模块似乎可以为您提供所需的一切。

【讨论】：

@PaulNicolashunter 函数返回的原始数据是字符串格式，您只需使用类似np.fromstring(raw_data, dtype=np.int16)的numpy将其转换为整数格式@

您需要sample_size 和channels 将raw_data 解释为声波。每个帧的长度为channels*sample_size 字节。因此，如果音频是单声道（通道 = 1）且 sample_size = 2 字节，则需要从 raw_data 中取出前 2 个字节，从中取出 2 字节整数，然后得到第一帧的幅度。

如果 _ 是一个样本并且你有 3 个通道，那么歌曲 |_ _ _| |_ _ _| |_ _ _| 有 6 个样本，3 帧。每个 _ 的长度为 sample_size 字节。如果sample_size = 2 bytes，那么我的歌曲长度为 12 字节，以 sample_rate = 6 Hz 播放的持续时间为 1 秒。

是的，channels = 2 表示音频为立体声。每个帧都有要发送到每个通道的信息，因此通道始终同步在一起。

“我应该如何做到这一点？”这是另一个问题的问题，如何处理 Python 语言中的字节串。也许这可以帮助***.com/questions/22824539/…