python处理wav音频文件：音频信息，读取内容，获取时长，切割音频，pcm与wav互转

Python疯子

发布于 2018-12-28 15:48:12

16.5K0

发布于 2018-12-28 15:48:12

因为工作中用到了wav格式的音频，所以就搜集了一些关于wav音频的处理。主要包括：音频信息，读取内容，获取时长，切割音频，pcm与wav互转

获取音频信息：

with wave.open(wav_path, "rb") as f:
    f = wave.open(wav_path)
    print(f.getparams())

返回内容为：声道，采样宽度，帧速率，帧数，唯一标识，无损

音频信息

采样点的个数为 2510762，采样的频率为44100HZ，通过这两个参数可以得到声音信号的时长每个采样点是16 bit = 2 bytes ,那么将采样点的个数 25107622/(10241024)=4.78889MB，那么这个信息就是文件大小信息。

检验一下声音波形的时间 child1.wav 4.78MB,时长56s time = 56.93337868480726 根据上面WAVE PCM soundfile format 的资料信息查询。有一个印象：WAV文件中由以下三个部分组成：

1."RIFF" chunk descriptor 2.The "fmt" sub-chunk 3.The "data" sub-chunk 存这些信息的时候都要要有 “ID”、“大小”、“格式”，这些信息标注了数据的位置， “WAV”格式由“fmt”和“data”，两个部分组成，其中“fmt”的存储块用来存音频文件的格式，“data”的存储块用来存实际听到的声音的信息，物理上描述的振幅和时间：长度(时间)和振幅，当然人的耳朵听听见的是长度和音调。

也就是说可以读取这个数组，在配合频率的信息直接画出波形图。

波形图.png

 file = wave.open(wave_path)
# print('---------声音信息------------')
# for item in enumerate(WAVE.getparams()):
#     print(item)
a = file.getparams().nframes  # 帧总数
f = file.getparams().framerate  # 采样频率
sample_time = 1 / f  # 采样点的时间间隔
time = a / f  # 声音信号的长度
sample_frequency, audio_sequence = wavfile.read(wave_path)
# print(audio_sequence)  # 声音信号每一帧的“大小”
x_seq = np.arange(0, time, sample_time)

plt.plot(x_seq, audio_sequence, 'blue')
plt.xlabel("time (s)")
plt.show()

音频的截取，通过时间片段来获取部分音频因为音频以毫秒计时，在截取音频时，我统统转为了毫秒

按毫秒截取
start_time = int(start_time)
end_time = int(end_time)

sound = AudioSegment.from_mp3(main_wav_path)
word = sound[start_time:end_time]

word.export(part_wav_path, format="wav")

调用：

# 音频切片，获取部分音频 时间的单位是毫秒
start_time = 13950
end_time = 15200
get_ms_part_wav(main_wav_path, start_time, end_time, part_wav_path)

如果需要写入秒，我也是将其转为了毫秒单位

start_time = int(start_time) * 1000
end_time = int(end_time) * 1000

sound = AudioSegment.from_mp3(main_wav_path)
word = sound[start_time:end_time]

word.export(part_wav_path, format="wav")

有时会有比较大的音频文件，我是将分钟和秒进行结合，然后在自己拆分

start_time = (int(start_time.split(':')[0])*60+int(start_time.split(':')[1]))*1000
end_time = (int(end_time.split(':')[0])*60+int(end_time.split(':')[1]))*1000

sound = AudioSegment.from_mp3(main_wav_path)
word = sound[start_time:end_time]

word.export(part_wav_path, format="wav")

调用格式

# 音频切片，获取部分音频 时间的单位是分钟和秒 样式：0:12
start_time = "0:35"
end_time = "0:38"
get_minute_part_wav(main_wav_path, start_time, end_time, 
minute_part_wav_path)

其他更多详见代码，都加油注释函数使用都有说明