如何从 python 中的麦克风获取声音输入，并即时处理它？

Posted 2023-02-25

【中文标题】如何从 python 中的麦克风获取声音输入，并即时处理它？

【英文标题】：How get sound input from microphone in python, and process it on the fly?

【发布时间】：2009-12-20 20:01:28

【问题描述】：

您好，

我正在尝试用 Python 编写一个程序，该程序会在每次点击麦克风时打印一个字符串。当我说“敲击”时，我指的是突然发出的巨大噪音或类似的声音。

我在 SO 中搜索，发现了这个帖子：Recognising tone of the audio

我认为 PyAudio 库会满足我的需求，但我不太确定如何让我的程序等待音频信号（实时麦克风监控），以及当我得到一个如何处理它时（我需要使用傅里叶变换就像上面帖子中所指示的那样）？

提前感谢您能给我的任何帮助。

【问题讨论】：

也在此处讨论：***.com/questions/193789/microphone-access-in-python

【参考方案1】：

如果您使用的是 LINUX，则可以使用pyALSAAUDIO。 对于 Windows，我们有 PyAudio，还有一个名为 SoundAnalyse 的库。

我找到了一个 Linux 的例子here:

#!/usr/bin/python
## This is an example of a simple sound capture script.
##
## The script opens an ALSA pcm for sound capture. Set
## various attributes of the capture, and reads in a loop,
## Then prints the volume.
##
## To test it out, run it and shout at your microphone:

import alsaaudio, time, audioop

# Open the device in nonblocking capture mode. The last argument could
# just as well have been zero for blocking mode. Then we could have
# left out the sleep call in the bottom of the loop
inp = alsaaudio.PCM(alsaaudio.PCM_CAPTURE,alsaaudio.PCM_NONBLOCK)

# Set attributes: Mono, 8000 Hz, 16 bit little endian samples
inp.setchannels(1)
inp.setrate(8000)
inp.setformat(alsaaudio.PCM_FORMAT_S16_LE)

# The period size controls the internal number of frames per period.
# The significance of this parameter is documented in the ALSA api.
# For our purposes, it is suficcient to know that reads from the device
# will return this many frames. Each frame being 2 bytes long.
# This means that the reads below will return either 320 bytes of data
# or 0 bytes of data. The latter is possible because we are in nonblocking
# mode.
inp.setperiodsize(160)

while True:
    # Read data from device
    l,data = inp.read()
    if l:
        # Return the maximum of the absolute value of all samples in a fragment.
        print audioop.max(data, 2)
    time.sleep(.001)

【参考方案2】：

...当我得到一个如何处理它时（我是否需要像上面帖子中所指示的那样使用傅里叶变换）？

如果你想要一个“抽头”，那么我认为你对幅度比对频率更感兴趣。所以傅立叶变换可能对您的特定目标没有用处。您可能想要对输入的短期（例如 10 毫秒）幅度进行连续测量，并检测它何时突然增加了某个增量。您需要调整以下参数：

什么是“短期”幅度测量 您希望增加的增量是多少 增量更改必须以多快的速度发生

虽然我说您对频率不感兴趣，但您可能需要先进行一些过滤，以过滤掉特别是低频和高频分量。这可能会帮助您避免一些“误报”。您可以使用 FIR 或 IIR 数字滤波器来做到这一点；傅立叶不是必需的。

【讨论】：

是的，我所做的是采用 audioop.max(data,2) 并将其值更改为前一个（来自上一次迭代）。这样我可以检测是否有突然增加。它工作正常！谢谢大家！ :-)

【参考方案3】：

我知道这是一个老问题，但如果有人再次查看这里...请参阅https://python-sounddevice.readthedocs.io/en/0.4.1/index.html。

这里有一个很好的例子“输入到输出传递”https://python-sounddevice.readthedocs.io/en/0.4.1/examples.html#input-to-output-pass-through。

...还有很多其他的例子...