python wave音频库使用(一)

李小白是一只喵

发布于 2020-04-27 10:34:13

2.1K0

发布于 2020-04-27 10:34:13

文章被收录于专栏：算法微时光

image.png

wave主要作用是操作WAV格式文件。

什么是WAV格式文件?

WAV是最常见的声音文件格式之一，是微软公司专门为Windows开发的一种标准数字音频文件，该文件能记录各种单声道或立体声的声音信息，并能保证声音不失真。

图片上传中...(image.png-fc53c5-1587727221744-0)

WAV是意义上的无损音乐格式,简单说就是CD里文件的数字化格式。

但WAV文件有一个致命的缺点，就是它所占用的磁盘空间太大（每分钟的音乐大约需要12兆磁盘空间）。

image.png

每秒钟采集音频数据的次数.

采样频率越高，音频保真度越高。

计算机广泛配置的16位声卡，使用的采样频率通常包括11025Hz、22050Hz、44100Hz和48000Hz四种。

采用11025Hz采样的声音效果相当于电话声音的效果；

采用22050HZ采样的声音效果相当于FM调频广播的效果；

采用44100HZ采样的声音效果相当于CD声音的效果。

image.png

采样值或取样值，是用来衡量声音波动变化的一个参数，也是声卡的分辨率。

它的数值越大，分辨率也就越高，发出声音的能力越强。目前计算机中配置的16位声卡的采样位数包括8位和16位两种。

有单声道和立体声之分。

单声道的声音只能使用一个喇叭发声（有的声卡也将单声道信息处理成两个喇叭同时输出），立体声的WAV可以使两个喇叭都发声（一般左右声道有分工），这样更能感受到音频信息的空间效果。

显然，双声道数据还原特性更接近人们的听力习惯，但采集得到的数据量会增加1倍。

采样频率一般是44.1K，16bit采样精度

WAV格式大小 = 44.1KHz(采样频率) X 16bit(采样位数) X 2(双声道) X 播放时间

WAV格式是没有压缩无损的，MP3格式是按1:12压缩保存的，所以MP3格式大小等于上式的1/12

WAVE文件是非常简单的一种RIFF文件，它的格式类型为"WAVE"。

RIFF全称为资源互换文件格式（ResourcesInterchange FileFormat），RIFF文件是windows环境下大部分多媒体文件遵循的一种文件结构。

能以RIFF文件存储的数据包括：

RIFF是由chunk构成的，chunk是RIFF组成的基本单位，每个CHUNK可看作存贮了视频的一帧数据或者是音频的一帧数据，所以下面我们来讨论一下chunk的结构是怎么样的.

image.png

CHUNK的结构如下：

代码如下：

struct chunk
{
    uint32_t id;   // 块标志
    uint32_t size; // 块大小
    uint8_t data[size]; // 块数据
};

偏移地址	字节数	数据类型	内容
00H	4	char	“RIFF”; RIFF标志
04H	4	long int	0x00 01 06 0A（注意数据存储顺序）; 文件长度
08H	4	char	“WAVE”; WAVE标志
0CH	4	char	“fmt ”; fmt标志，最后一位为空
10H	4	long int	0x12; sizeof(PCMWAVEFORMAT)
14H	2	int	1（WAVE_FORMAT_PCM）; 格式类别，1表示为PCM形式的声音数据
16H	2	int	2; 通道数，单声道为1，双声道为2
18H	2	int	44100; 采样频率（每秒样本数）
1CH	4	long int	0x10B10000; 每秒数据量；其值为通道数×每秒数据位数×每样本的数据位数／8。播放软件利用此值可以估计缓冲区的大小。
20H	2	int	数据块的调整数（按字节算的），其值为通道数×每样本的数据位值／8。播放软件需要一次处理多个该值大小的字节数据，以便将其值用于缓冲区的调整。
22H	2	int	每样本的数据位数，表示每个声道中各个样本的数据位数。如果有多个声道，对每个声道而言，样本大小都一样。
50H	4	char	“data”; 数据标记符
54H	4	long int	0x00 01 05 D8; 语音数据大小