004-使用 pydub 将各种音频格式相互转换

mp3 与 wav 格式进行互转mp3 与 wav 格式进行互转1、pydub 安装使用mp3 与 wav 格式进行互转这里我们利用 pydub 库处理音频。pydub 是 python 的高级一个音频处理库。开发者的 github 地址：https://github.com/jiaaro/pydub本文涉及的所有操作都是有 windows 下进行的。1、pydub 安装使用pip ...

sonehb

1113人浏览 · 2019-09-03 16:55:55

sonehb · 2019-09-03 16:55:55 发布

使用 pydub 将各种音频格式相互转换

https://github.com/jiaaro/pydub/blob/master/API.markdown

1、pydub 安装使用

这里我们利用 pydub 库处理音频。
pydub 是 python 的高级一个音频处理库。
开发者的 github 地址：https://github.com/jiaaro/pydub

本文涉及的所有操作都是有 windows 下进行的。

pip install pydub

作者在 github 上说，依赖可以安装 libav 或 ffmpeg。

Mac (using homebrew):

# libav
brew install libav --with-libvorbis --with-sdl --with-theora

####    OR    #####

# ffmpeg
brew install ffmpeg --with-libvorbis --with-sdl2 --with-theora
Linux (using aptitude):

# libav
apt-get install libav-tools libavcodec-extra-53

####    OR    #####

# ffmpeg
apt-get install ffmpeg libavcodec-extra-53

由于开发环境用的是 windows 系统，对 libac 支持不大好，于是采用了 ffmpeg。

首先去 ffmpeg 官网下载：
https://ffmpeg.zeranoe.com/builds/
选择 Linking 下的 Static 下载，好了之后解压缩，然后将解压后的 bin 路径配置到环境变量 path 中：
在这里插入图片描述
然后打开 IDE（注意：IDE 必须以管理员权限运行）。

2、mp3 转 wav

import os
from pydub import AudioSegment

rpath = os.getcwd()
s_path = os.path.join(rpath, 'fdir','01.mp3')
t_path = os.path.join(rpath, 'fdir','w01.wav')

# sound = AudioSegment.from_mp3(s_path)
sound = AudioSegment.from_file(s_path, format='mp3')
sound.export(t_path,format ='wav')

参考地址：https://blog.csdn.net/Lynn_coder/article/details/79436579?utm_source=blogxgwz2

3、将一个音频分割成多个音频

import os
from pydub import AudioSegment

rpath = os.getcwd()
s_path = os.path.join(rpath, 'fdir', 'sound-1.mp3')
sound = AudioSegment.from_file(s_path, format='mp3')

# 将输入分割成 5 秒的（多个）片段并导出
for i, chunk in enumerate(sound[::5000]):
    with open("sound-%s.mp3" % i, "wb") as f:
        chunk.export(f, format="mp3")

4、音频段中的通道数

1 表示单声道，2 表示立体声。

import os
from pydub import AudioSegment

rpath = os.getcwd()
s_path = os.path.join(rpath, 'fdir', 'part01.wav')
sound = AudioSegment.from_file(s_path)
channel_count = sound.channels
print(channel_count)    # 2

5、采样中的字节数

每个采样中的字节数(1表示8位，2表示16位，等等)。CD音频为16位，(采样宽度为2字节)

import os
from pydub import AudioSegment

rpath = os.getcwd()
s_path = os.path.join(rpath, 'fdir', 'part01.wav')
sound = AudioSegment.from_file(s_path)
bytes_per_sample = sound.sample_width
print(bytes_per_sample)    # 2

5、采样频率

CD 音频的采样率为44.1kHz，这意味着frame_rate将为44100(与采样率相同，请参见frame_width)。常见值为44100 (CD)、48000 (DVD)、22050、24000、12000和11025。

import os
from pydub import AudioSegment

rpath = os.getcwd()
s_path = os.path.join(rpath, 'fdir', 'part01.wav')
sound = AudioSegment.from_file(s_path)
frames_per_second = sound.frame_rate
print(frames_per_second)    # 16000

6、每个帧的字节数

每个“帧”的字节数。一个帧包含每个通道的一个样本(因此对于立体声，每帧有两个样本，同时播放)。frame_width等于通道* sample_width。对于CD音频，它将是4(2个通道乘以每个示例2个字节)。

import os
from pydub import AudioSegment

rpath = os.getcwd()
s_path = os.path.join(rpath, 'fdir', 'part01.wav')
sound = AudioSegment.from_file(s_path)
bytes_per_frame = sound.frame_width
print(bytes_per_frame)    # 4

7、音频文件的原始音频数据

音频文件的原始音频数据。用于与其他需要字节串形式的音频数据的音频库或奇怪的api进行交互。如果您正在实现效果或其他直接信号处理，也可以派上用场。

import os
from pydub import AudioSegment

rpath = os.getcwd()
s_path = os.path.join(rpath, 'fdir', 'part01.wav')
sound = AudioSegment.from_file(s_path)
raw_audio_data = sound.raw_data
print(raw_audio_data)

8、交叉合并多个音频文件为一个

返回一个新的 AudioSegment，通过 append() 或 + 操作符，将一个 AudioSegment 加到另外一个 AudioSegment。

import os
from pydub import AudioSegment

rpath = os.getcwd()
s_path1 = os.path.join(rpath, 'fdir', '01.mp3')
s_path2 = os.path.join(rpath, 'fdir', 'sound-3.mp3')
t_path = os.path.join(rpath, 'fdir', 't-sound-2.mp3')

sound1 = AudioSegment.from_file(s_path1)
sound2 = AudioSegment.from_file(s_path2)

# default 100 ms crossfade
# 音频 1播放完的前 100ms时，播放音频 2，在这交叉的 100ms里，音频 1和音频 2都会同时播放
# 合并后的音频总时长为 音频1时长 + 音频2时长 - crossfade
# combined = sound1.append(sound2)
# combined.export(t_path, format='mp3')

# 2000 ms 交叉播放，音频 1 播放 2秒，再将音频 2 播放 2 秒，如此交替
# 音频 1播放完的前 3000ms时，播放音频 2，在这交叉的 3000ms里，音频 1和音频 2都会同时播放
# 如果音频 1的时长有 30000ms，音频 2的时长有 10000ms，则新全成的音频时长为 30000+10000-3000=37000ms=37秒
# combined_with_5_sec_crossfade = sound1.append(sound2, crossfade=3000)
# combined_with_5_sec_crossfade.export(t_path, format='mp3')

# 无缝衔接 1，音频 1播放完毕，立马播放音频 2
# 合并后的音频总时长为 音频1时长 + 音频2时长
# no_crossfade1 = sound1.append(sound2, crossfade=0)
# no_crossfade1.export(t_path, format='mp3')

# 无缝衔接 2，音频 1播放完毕，立马播放音频 2
no_crossfade2 = sound1 + sound2
no_crossfade2.export(t_path, format='mp3')

9、音频叠加

在一个音频上面叠加一个音频。在最终的音频剪辑中，他们将同时播放。如果覆盖的音频比这个长，结果将被截断(所以覆盖的声音的末尾将被切断)。即使在使用循环和times关键字参数时，结果也总是与这个AudioSegment相同的长度。

overlay() 方法参数说明：

def overlay(self, seg, position=0, loop=False, times=None, gain_during_overlay=None):
	"""
	将提供的段覆盖到从特定的位置和使用指定的循环beahvior
	Overlay the provided segment on to this segment starting at the
	specificed position and using the specfied looping beahvior.

	seg (AudioSegment):
		覆盖（音频）对象.

	position (optional int):
		开始覆盖的位置（ms）.

	loop (optional bool):
		循环 seg（覆盖音频） 多次，重复覆盖.

	times (optional int):
		循环 seg(覆盖音频)指定的次数，音频 2覆盖音频 1 指定次数.
		
	gain_during_overlay (optional int):
		将 seg(覆盖音频) 以指定的音量叠加到原音频.
	"""

示例：

import os
from pydub import AudioSegment

rpath = os.getcwd()
s_path1 = os.path.join(rpath, 'fdir', '03.mp3')
s_path2 = os.path.join(rpath, 'fdir', 'sound-1.mp3')
t_path = os.path.join(rpath, 'fdir', 't-sound-17.mp3')

sound1 = AudioSegment.from_file(s_path1)
sound2 = AudioSegment.from_file(s_path2)

# 将音频 2叠加到音频 1，从头开始叠加
# played_togther = sound1.overlay(sound2)
# played_togther.export(t_path,format='mp3')

#  将音频 2叠加到音频 1，从2秒开始叠加
# sound2_starts_after_delay = sound1.overlay(sound2, position=2000)
# sound2_starts_after_delay.export(t_path,format='mp3')

# 循环 seg（音频2） 多次，重复叠加
# sound2_repeats_until_sound1_ends = sound1.overlay(sound2, loop=True)
# sound2_repeats_until_sound1_ends.export(t_path,format='mp3')

# 循环 seg(覆盖音频)指定的次数，音频 2叠加到音频 1 指定次数
# sound2_plays_twice = sound1.overlay(sound2, times=2)
# sound2_plays_twice.export(t_path,format='mp3')

# 将 seg(覆盖音频) 以指定的音量叠加到原音频
volume_of_sound1_reduced_during_overlay = sound1.overlay(sound2, gain_during_overlay=30)
volume_of_sound1_reduced_during_overlay.export(t_path,format='mp3')

10、改变音频音量

import os
from pydub import AudioSegment

rpath = os.getcwd()
s_path2 = os.path.join(rpath, 'fdir', 'sound-1.mp3')
t_path = os.path.join(rpath, 'fdir', 'a-sound-02.mp3')

sound1 = AudioSegment.from_file(s_path2)

# 把声音提高 13.5 dB
louder_via_method = sound1.apply_gain(+13.5)
louder_via_operator = sound1 + 13.5
louder_via_operator.export(t_path,format='mp3')

# 把声音降低 5.7 dB
# quieter_via_method = sound1.apply_gain(-5.7)
# quieter_via_operator = sound1 - 5.7
# louder_via_operator.export(t_path,format='mp3')

11、改变指定音频段音量

一个更通用(更灵活)的淡入方法。您可以指定开始和结束，或者其中之一以及持续时间(例如，开始和持续时间)。
方法参数说明：

def fade(self, to_gain=0, from_gain=0, start=None, end=None,
		 duration=None):
	"""
	to_gain (float):
		resulting volume_change in db

	start (int):
		default = beginning of the segment
		when in this segment to start fading in milliseconds

	end (int):
		default = end of the segment
		when in this segment to start fading in milliseconds

	duration (int):
		default = until the end of the audio segment
		the duration of the fade
	"""

12、同时调节音频左右音道的增益

apply_gain_stereo(left_dB, right_dB)：
将增益应用于立体声音响的左右声道。如果音频是单声道的，在应用增益之前，它将被转换成立体声。
两个增益参数都在dB中指定。

import os
from pydub import AudioSegment

rpath = os.getcwd()
s_path = os.path.join(rpath, 'fdir', 'splitFile', 'sp-8.mp3')
t_path = os.path.join(rpath, 'fdir', 'mk1', 'fade09.mp3')

sound1 = AudioSegment.from_file(s_path)
# 将左通道降低 10dB 更安静，右通道增设 20dB 更大声
stereo_balance_adjusted = sound1.apply_gain_stereo(-10, +20)
stereo_balance_adjusted.export(t_path,format='mp3')