Python Wave 字节数据

Posted 2023-02-25

【中文标题】Python Wave 字节数据

【英文标题】：Python Wave byte data

【发布时间】：2013-12-19 09:08:35

【问题描述】：

我正在尝试从 .wav 文件中读取数据。

import wave
wr = wave.open("~/01 Road.wav", 'r')
# sample width is 2 bytes
# number of channels is 2
wave_data = wr.readframes(1)
print(wave_data)

这给出了：

b'\x00\x00\x00\x00'

这是歌曲的“第一帧”。这4个字节显然对应每帧的（2个通道*2字节样本宽度）字节，但是每个字节对应的是什么？

特别是，我正在尝试将其转换为单振幅信号。

【参考方案1】：

如果您想了解“帧”是什么，您必须阅读波形文件格式的标准。例如：https://web.archive.org/web/20140221054954/http://home.roadrunner.com/~jgglatt/tech/wave.htm

来自该文档：

旨在“播放”的采样点，即同时发送到数模转换器(DAC) 的采样点统称为采样帧。在我们的立体波形示例中，每两个采样点组成另一个采样帧。这在下面的立体声示例中进行了说明。

sample       sample              sample
frame 0      frame 1             frame N
 _____ _____ _____ _____         _____ _____
| ch1 | ch2 | ch1 | ch2 | . . . | ch1 | ch2 |
|_____|_____|_____|_____|       |_____|_____|
 _____
|     | = one sample point
|_____|

要转换为单声道，您可以这样做，

import wave

def stereo_to_mono(hex1, hex2):
    """average two hex string samples"""
    return hex((ord(hex1) + ord(hex2))/2)

wr = wave.open('piano2.wav','r')

nchannels, sampwidth, framerate, nframes, comptype, compname =  wr.getparams()

ww = wave.open('piano_mono.wav','wb')
ww.setparams((1,sampwidth,framerate,nframes,comptype,compname))

frames = wr.readframes(wr.getnframes()-1)

new_frames = ''

for (s1, s2) in zip(frames[0::2],frames[1::2]):
    new_frames += stereo_to_mono(s1,s2)[2:].zfill(2).decode('hex')

ww.writeframes(new_frames)

从立体声到单声道没有明确的方法。您可以只删除一个频道。上面，我正在平均频道。这完全取决于您的应用程序。

【讨论】：

谢谢，这个链接内容丰富，阅读起来很有趣。

【参考方案2】：

对于 wav 文件 IO，我更喜欢使用 scipy。读取 wav 文件可能有点矫枉过正，但通常在读取 wav 后进行下游处理会更容易。

import scipy.io.wavfile
fs1, y1 = scipy.io.wavfile.read(filename)

从这里开始，数据 y1 将有 N 个样本长，并且将有 Z 列，其中每列对应一个通道。要转换为单声道 wav 文件，您不会说您希望如何进行转换。你可以取平均值，或者任何你想要的。一般使用

monoChannel = y1.mean(axis=1)

【参考方案3】：

作为对您问题的直接回答：两个字节以“通常”的方式构成一个 16 位整数值，由显式公式给出：value = ord(data[0]) + 256 * ord(data[1])。但是使用struct 模块是解码（以及稍后重新编码）此类多字节整数的更好方法：

import struct
print(struct.unpack("HH", b"\x00\x00\x00\x00"))
# -> gives a 2-tuple of integers, here (0, 0)

或者，如果我们想要一个 有符号 16 位整数（我认为是 .wav 文件中的情况），请使用 "hh" 而不是 "HH"。 （我留给你的任务是弄清楚两个字节如何准确地编码一个从 -32768 到 32767 的整数值:-)

【讨论】：

struct 模块在这种情况下非常有用。比我的答案中的十六进制/排序/解码混乱好多了。我不知道它存在。

我相信字节是小端的，这要求你使用语法struct.unpack("<hh", b"\x00\x00\x00\x00")（根据this link）。另外，根据同一个链接，16位样本宽度表示有符号数据，8位样本宽度表示无符号数据，这与您所说的一致。

【参考方案4】：

另一种将 2 个字节转换为 int16 的方法，使用 numpy.fromstring()。这是一个例子： audio_sample 来自一个 wav 文件。

>>> audio_sample[0:8]
b'\x8b\xff\xe1\xff\x92\xffn\xff'

>>> x = np.fromstring(audio_sample, np.int16) 

>>> x[0:4]
array([-117,  -31, -110, -146], dtype=int16)

您可以使用 np.tobytes 转换回字节