语音信号处理教程（一）音频文件录制、导入、绘图
这篇文章我们来看下如何用Matlab和Python产生录制音频、播放音频、导入音频文件，并查看音频文件的波形图。
首先来看下Matlab中如何操作。Matlab提供了audio*一系列函数来对音频信号进行处理，下面我们来一一讲解。
audiorecorder(Fs, NBITS, NCHANS, ID)该函数用于产生一个audiorecorder的对象，可以用来录制音频信号；其中Fs表示采样率，常用的采样率有：8000, 11025, 22050, 44100, 48000和 96000 HzNBITS表示采样位数，可以选择8、16、24NCHANS表示声道数，只能是1或2，表示单声道或双声道ID表示录音设备，不指定或者-1表示默认的录音设备 该函数配合recordblocking()函数，一起完成录音功能。使用play()函数来播放该刚刚录制的音频信号。
fs = 44100;
r = audiorecorder(fs, 16, 1);
disp('Start speaking.')
recordblocking(r, 2); % 录音2秒
disp('End of Recording.');
play(r);
如果要获取audiorecorder对象中的音频数据，可以使用getaudiodata()函数
mySpeech = getaudiodata(r, 'int16'); % get data as int16 array
figure;plot(mySpeech);
将录制的音频信号保存成文件，使用audiowrite()函数，直接音频对象、保存文件名和采样率即可。
%% save file
filename = 'mySpeech.wav';
audiowrite(filename, mySpeech, fs);
对于先用的音频文件，使用audioread()函数将其读入到workspace中，使用sound()函数可以将该数据进行播放，如果要倍速或者慢速，调节sound()函数中的采样率即可。
%% load file
r_data = audioread(filename);
%% play file data
sound(r_data, fs);
下面来看Python中如何完成上面的操作，在Python中，需要用到pyaudio和wave库，其中pyaudio在安装时，使用conda install pyaudio来完成，如果使用pip install pyaudio是不行的，因为pyaudio库需要PortAudio的支持，PortAudio是一个免费、跨平台、开源的音频I/O库，这并不是一个python的库函数，因此不能使用pip来进行安装，至于为什么用conda安装是可以的，请自行搜索pip install和conda install的区别。
前面我们指定4个参数，分别是缓冲区帧数、采样位宽、声道数和采样率，跟Matlab中唯一的区别就是多了个缓冲区帧数，这个参数在我们录制和回放音频时会用到，由于每次录制/回放的点数都是有限的，因此在录制/回放时都是循环进行的，即每录制/回放完当前缓冲区的数据，再去重新取最新的数据进行录制/回放，Matlab中该过程不需要我们手动设置，Matlab的系统函数已经做好了。
在录制文件时，参数input=True，在回放文件时，参数output=True；如果回放文件时进行倍速或慢速，修改p.open()中的参数rate即可。在load_wave()函数中通过str_data = wf.readframes(nframes)读上来的都是字符串类型，因此我们又通过np.fromstring转成了np.short类型。
import pyaudio
import wave
import numpy as np
import matplotlib.pyplot as plt
CHUNK = 1024 # 每个缓冲区的帧数
FORMAT = pyaudio.paInt16 # 采样位数
CHANNELS = 1 # 单声道
RATE = 44100 # 采样率
def record_audio(wave_out_path, record_second):
""" 录音功能 """
p = pyaudio.PyAudio() # 实例化对象
stream = p.open(format=FORMAT,
channels=CHANNELS,
rate=RATE,
input=True,
frames_per_buffer=CHUNK) # 打开流，传入响应参数
wf = wave.open(wave_out_path, 'wb') # 打开 wav 文件。
wf.setnchannels(CHANNELS) # 设置单声道
wf.setsampwidth(p.get_sample_size(FORMAT))# 设置采样位宽为16bits
wf.setframerate(RATE) # 设置采样率
print('Start speaking for %ds\n' % record_second)
for _ in range(0, int(RATE * record_second / CHUNK)):
data = stream.read(CHUNK)
wf.writeframes(data) # 写入数据
stream.stop_stream()
stream.close()
print('End of Recording.')
p.terminate()
wf.close()
def play_audio(wave_input_path):
p = pyaudio.PyAudio() # 实例化对象
wf = wave.open(wave_input_path, 'rb') # 读 wav 文件
stream = p.open(format=p.get_format_from_width(wf.getsampwidth()),
channels=wf.getnchannels(),
rate=wf.getframerate(),
output=True)
data = wf.readframes(CHUNK) # 读数据
print('Play back audio.\n')
while len(data) > 0:
stream.write(data)
data = wf.readframes(CHUNK)
stream.stop_stream()
stream.close()
p.terminate()
def load_wav(wave_input_path):
wf = wave.open(wave_input_path, 'rb') # 读 wav 文件
params = wf.getparams()
nchannels, sampwidth, framerate, nframes = params[:4]
str_data = wf.readframes(nframes)
wf.close()
wave_data = np.fromstring(str_data, dtype=np.short)
plt.figure()
plt.plot(wave_data)
plt.show()
if __name__ == '__main__':
record_audio('test.wav', 2)
play_audio('test.wav')
load_wav('test.wav')