下采样 wav 音频文件
Posted
技术标签:
【中文标题】下采样 wav 音频文件【英文标题】:Downsampling wav audio file 【发布时间】:2015-08-17 15:24:42 【问题描述】:我必须在不使用任何外部 Python 库的情况下将 wav 文件从 44100Hz 降采样到 16000Hz,因此最好使用wave
和/或audioop
。我尝试使用 setframerate
函数将 wav 文件的帧速率更改为 16000,但这只会减慢整个录制的速度。如何将音频文件下采样到 16kHz 并保持相同的音频长度?
【问题讨论】:
如果你降到 11025Hz 会更容易,只需低通滤波器,然后每 4 个采样一次 audioop 的 ratecv 是你想要的吗? docs.python.org/2/library/audioop.html#audioop.ratecv 它需要为 16kHz,因为我们的管道工具需要为 Unity 项目导出它。你介意给我一个使用 audioop.ratecv 函数的例子吗?因为我对该函数的片段参数感到困惑。我如何得到它? @JimJeffries 【参考方案1】:首先,您需要导入“librosa”库 使用“librosa.load”重新采样音频文件 librosa.load(path,sr) initiallly sr(sampling rate) = 22050.If 你想保持原生采样率使 sr=None。否则音频将被重新采样到提供的采样率
【讨论】:
【参考方案2】:要对信号进行下采样(也称为decimate)(这意味着降低采样率)或上采样(提高采样率),您需要在数据之间进行插值。
这个想法是你需要以某种方式在你的点之间绘制一条曲线,然后以新的采样率从这条曲线中获取值。这是因为您想知道某个时间未采样的声波的值,因此您必须以一种或另一种方式猜测该值。唯一容易进行二次采样的情况是当您将采样率除以整数 $k$ 时。在这种情况下,您只需要获取 $k$ 样本并只保留第一个样本。但这不会回答你的问题。请参见下图,其中有一条以两种不同比例采样的曲线。
如果您了解原理,您可以手动完成,但我强烈建议您使用库。原因是以正确的方式进行插值并不容易,也不明显。
您可以使用线性插值(用一条线连接点)或二项式插值(用一条多项式连接三个点)或(有时最适合声音)使用傅里叶变换并在频率空间中进行插值。 由于傅立叶变换不是您想要手动重写的东西,如果您想要一个好的二次采样/二次采样, 请参阅下图,了解使用与 scipy 不同的算法的两条上采样曲线。 “重采样”功能使用傅立叶变换。
我确实是在加载 44100Hz 波形文件并需要 48000Hz 采样数据的情况下,所以我写了以下几行来加载我的数据:
# Imports
from scipy.io import wavfile
import scipy.signal as sps
# Your new sampling rate
new_rate = 48000
# Read file
sampling_rate, data = wavfile.read(path)
# Resample data
number_of_samples = round(len(data) * float(new_rate) / sampling_rate)
data = sps.resample(data, number_of_samples)
请注意,如果您只进行下采样并且想要比傅立叶更快的东西,您也可以使用方法 decimate。
【讨论】:
有没有人有这个意见? “scipy.signal.resample 对音频重采样很糟糕。这很快就变得很明显 - 它在频域中工作,基本上是在频域中截断或补零信号。这在时域中非常难看(特别是因为它假设信号是循环的)。”来源:signalsprocessed.blogspot.com/2016/08/… @MatthewWalker 您可以使用scipy.signal.resample_poly
在时域中使用多项式。 resample
在频域中起作用,您可以显式控制傅里叶变换使用的window
。对于 resample_poly,您可以使用 padtype
和 cval
控制填充。我认为只有在重采样中确实看到伪影时,才需要根据需要调整参数。这最终取决于您使用的信号类型。
@MatthewWalker 来自 Scipy 文档:The argument window controls a Fourier-domain window that tapers the Fourier spectrum before zero-padding to alleviate ringing in the resampled values for sampled signals you didn’t intend to be interpreted as band-limited.
【参考方案3】:
我尝试使用 Librosa,但由于某些原因,即使在给出 y, s = librosa.load('test.wav', sr=16000)
和 librosa.output.write_wav(filename, y, sr)
行之后,声音文件也没有以给定的采样率(16000,从 44kHz 下采样)保存。
但是pydub
效果很好。 jiaaro 的一个很棒的库,我使用了以下命令:
from pydub import Audiosegment as am
sound = am.from_file(filepath, format='wav', frame_rate=22050)
sound = sound.set_frame_rate(16000)
sound.export(filepath, format='wav')
上面的代码指出,我读取的帧速率为 22050 的文件更改为速率为 16000,export
函数用该文件覆盖现有文件,并使用新的帧速率。它比 librosa 工作得更好,但我正在寻找比较两个包之间速度的方法,但由于我的数据非常少,所以还没有弄清楚!!!
参考:https://github.com/jiaaro/pydub/issues/232
【讨论】:
Librosa 自 0.8 版以来已删除 write_wav 。建议现在使用 soundfile.write。【参考方案4】:你可以使用 Librosa 的 load() 函数,
import librosa
y, s = librosa.load('test.wav', sr=8000) # Downsample 44.1kHz to 8kHz
安装 Librosa 的额外努力可能值得高枕无忧。
专业提示:在 Anaconda 上安装 Librosa 时,还需要install ffmpeg,所以
pip install librosa
conda install -c conda-forge ffmpeg
这样可以避免 NoBackendError() 错误。
【讨论】:
可能是这里最好的评论,而且似乎也是最新的。只是缺少OP要求的save,就像librosa.output.write_wav(filename, y, sr)
一样简单。
Librosa 自 0.8 版以来已删除 write_wav 。建议现在使用 soundfile.write。
@Austin - 按照 Austin 的建议,write_wav 已被删除,但如果有人仍想使用旧的 librosa 版本,请参阅answer【参考方案5】:
谢谢大家的回答。我已经找到了一个解决方案,而且效果很好。这是整个函数。
def downsampleWav(src, dst, inrate=44100, outrate=16000, inchannels=2, outchannels=1):
if not os.path.exists(src):
print 'Source not found!'
return False
if not os.path.exists(os.path.dirname(dst)):
os.makedirs(os.path.dirname(dst))
try:
s_read = wave.open(src, 'r')
s_write = wave.open(dst, 'w')
except:
print 'Failed to open files!'
return False
n_frames = s_read.getnframes()
data = s_read.readframes(n_frames)
try:
converted = audioop.ratecv(data, 2, inchannels, inrate, outrate, None)
if outchannels == 1:
converted = audioop.tomono(converted[0], 2, 1, 0)
except:
print 'Failed to downsample wav'
return False
try:
s_write.setparams((outchannels, 2, outrate, 0, 'NONE', 'Uncompressed'))
s_write.writeframes(converted)
except:
print 'Failed to write wav'
return False
try:
s_read.close()
s_write.close()
except:
print 'Failed to close wav files'
return False
return True
【讨论】:
我知道这是旧的,但我也遇到了同样的问题,所以我尝试了代码,我认为它有一个微妙的错误。如果我的 inchannels=1 和 outchannels=1 无论如何都会调用 tomono 函数,这会扰乱我的音频信号(长度减半)。另外,在编写帧时,您不应该只编写 convert[0] (取决于是否明显调用了 tomono),因为 ratecv 返回的 newstate 无关紧要吗? 以上模块都在std lib中【参考方案6】:您可以在scipy
中使用重采样。这样做有点头疼,因为在 Python 原生的 bytestring
和 scipy
中需要的数组之间需要进行一些类型转换。还有一个令人头疼的问题,因为在 Python 的 wave 模块中,无法判断数据是否已签名(仅当它是 8 位或 16 位时)。它可能(应该)对两者都有效,但我还没有测试过。
这是一个将(无符号)8 位和 16 位单声道从 44.1 转换为 16 的小程序。如果您有立体声或使用其他格式,那么适应起来应该不难。在代码开头编辑输入/输出名称。从来没有使用过命令行参数。
#!/usr/bin/env python
# -*- coding: utf-8 -*-
#
# downsample.py
#
# Copyright 2015 John Coppens <john@jcoppens.com>
#
# This program is free software; you can redistribute it and/or modify
# it under the terms of the GNU General Public License as published by
# the Free Software Foundation; either version 2 of the License, or
# (at your option) any later version.
#
# This program is distributed in the hope that it will be useful,
# but WITHOUT ANY WARRANTY; without even the implied warranty of
# MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE. See the
# GNU General Public License for more details.
#
# You should have received a copy of the GNU General Public License
# along with this program; if not, write to the Free Software
# Foundation, Inc., 51 Franklin Street, Fifth Floor, Boston,
# MA 02110-1301, USA.
#
#
inwave = "sine_44k.wav"
outwave = "sine_16k.wav"
import wave
import numpy as np
import scipy.signal as sps
class DownSample():
def __init__(self):
self.in_rate = 44100.0
self.out_rate = 16000.0
def open_file(self, fname):
try:
self.in_wav = wave.open(fname)
except:
print("Cannot open wav file (%s)" % fname)
return False
if self.in_wav.getframerate() != self.in_rate:
print("Frame rate is not %d (it's %d)" % \
(self.in_rate, self.in_wav.getframerate()))
return False
self.in_nframes = self.in_wav.getnframes()
print("Frames: %d" % self.in_wav.getnframes())
if self.in_wav.getsampwidth() == 1:
self.nptype = np.uint8
elif self.in_wav.getsampwidth() == 2:
self.nptype = np.uint16
return True
def resample(self, fname):
self.out_wav = wave.open(fname, "w")
self.out_wav.setframerate(self.out_rate)
self.out_wav.setnchannels(self.in_wav.getnchannels())
self.out_wav.setsampwidth (self.in_wav.getsampwidth())
self.out_wav.setnframes(1)
print("Nr output channels: %d" % self.out_wav.getnchannels())
audio = self.in_wav.readframes(self.in_nframes)
nroutsamples = round(len(audio) * self.out_rate/self.in_rate)
print("Nr output samples: %d" % nroutsamples)
audio_out = sps.resample(np.fromstring(audio, self.nptype), nroutsamples)
audio_out = audio_out.astype(self.nptype)
self.out_wav.writeframes(audio_out.copy(order='C'))
self.out_wav.close()
def main():
ds = DownSample()
if not ds.open_file(inwave): return 1
ds.resample(outwave)
return 0
if __name__ == '__main__':
main()
【讨论】:
以上是关于下采样 wav 音频文件的主要内容,如果未能解决你的问题,请参考以下文章