Python：将 wav 文件写入 numpy 浮点数组

Posted 2023-02-16

【中文标题】Python：将 wav 文件写入 numpy 浮点数组

【英文标题】：Python: write a wav file into numpy float array

【发布时间】：2013-05-22 15:31:26

【问题描述】：

ifile = wave.open("input.wav")

我现在如何将此文件写入 numpy 浮点数组？

【问题讨论】：

@JoranBeasley 它必须是浮动的。

【参考方案1】：

>>> from scipy.io.wavfile import read
>>> a = read("adios.wav")
>>> numpy.array(a[1],dtype=float)
array([ 128.,  128.,  128., ...,  128.,  128.,  128.])

通常是字节，然后是整数......这里我们只是将它转换为浮点类型。

你可以在这里阅读：https://docs.scipy.org/doc/scipy/reference/tutorial/io.html#module-scipy.io.wavfile

【讨论】：

谢谢！还有一个问题，我怎样才能对当前工作目录中的所有 .wav 文件执行此操作？我的意思是将每个文件在一个循环中保存在一个数组中，并在每个步骤结束时将其集中到一个主数组中？

【参考方案2】：

使用 librosa 包并简单地将 wav 文件加载到 numpy 数组：

y, sr = librosa.load(filename)

将音频加载和解码为时间序列 y，表示为 一维 NumPy 浮点数组。变量 sr 包含 y的采样率，即每秒的采样数 声音的。默认情况下，所有音频都混合为单声道并重新采样到 22050 加载时的赫兹。可以通过提供覆盖此行为 librosa.load() 的附加参数。

更多信息Librosa library documentation

【参考方案3】：

问题提出七年后......

import wave
import numpy

# Read file to get buffer                                                                                               
ifile = wave.open("input.wav")
samples = ifile.getnframes()
audio = ifile.readframes(samples)

# Convert buffer to float32 using NumPy                                                                                 
audio_as_np_int16 = numpy.frombuffer(audio, dtype=numpy.int16)
audio_as_np_float32 = audio_as_np_int16.astype(numpy.float32)

# Normalise float32 array so that values are between -1.0 and +1.0                                                      
max_int16 = 2**15
audio_normalised = audio_as_np_float32 / max_int16

【讨论】：

我应该如何安装wave 模块？ pip install wave?

@Unsigned_Arduino 你刚试过吗？根据文档，wave 模块至少从 2.7 版开始就是 Python 的一部分，并且它仍然包含在 3.8 版中：docs.python.org/3.8/library/wave.html

刚试了一下，已经包含在内了。我以前从未见过这个模块，所以我质疑它是否存在于 PSL 中。

嗨，马修·沃克，谢谢你这么好的回答。我想问一下，audio_normalised的大小是samples的两倍，那么它是代表2个通道的数据，还是别的什么，请您详细说明一下吗？

@avocado getsampwidth() 以字节为单位返回样本宽度，因此 2 字节 => int16，或 4 字节 => int32。我想我只是没有遇到每个样本只有 2 个字节的 WAV 文件。好点子。

【参考方案4】：

在@Matthew Walker 的答案下没有足够的声誉来发表评论，所以我提出了一个新的答案，以便在 Matt 的答案中添加一个观察。 max_int16 应该是 2**15-1 而不是 2**15。

更好的是，我认为规范化行应该替换为：

audio_normalised = audio_as_np_float32 / numpy.iinfo(numpy.int16).max

如果音频是立体声（即两个通道），则左右值是交错的，因此要获得立体声数组，可以使用以下方法：

channels = ifile.getnchannels()
audio_stereo = np.empty((int(len(audio_normalised)/channels), channels))
audio_stereo[:,0] = audio_normalised[range(0,len(audio_normalised),2)]
audio_stereo[:,1] = audio_normalised[range(1,len(audio_normalised),2)]

我相信这回答了 cmets 部分中的@Trees 问题。

【讨论】：

max_int16 的定义问题很有趣。 16 位整数的范围是 -32,768 到 32,767。如果我们想要从 -1 缩放到 1，那么我们想要除以最大可能值，在绝对意义上，或 32,768，即2**15。因此在我的回答中定义了max_int16。