如何从 wav 文件中获取 wav 样本？

Question

我想知道如何从 .wav 文件中获取样本，以便执行两个 .wav 文件的窗口连接。

任何人都可以告诉如何做到这一点吗？

Answer 1

您可以使用 wave 模块。首先，您应该阅读元数据，例如样本大小或通道数。使用 readframes() 方法，您可以读取样本，但只能读取字节字符串。根据示例格式，您必须使用 struct 将它们转换为示例.unpack()。

或者，如果您希望样本作为浮点数数组，您可以使用 SciPy 的 io.wavfile 模块。

Answer 2

这是一个从波形文件中读取样本的函数（使用单声道和立体声进行测试）：

def read_samples(wave_file, nb_frames):
    frame_data = wave_file.readframes(nb_frames)
    if frame_data:
        sample_width = wave_file.getsampwidth()
        nb_samples = len(frame_data) // sample_width
        format = {1:"%db", 2:"<%dh", 4:"<%dl"}[sample_width] % nb_samples
        return struct.unpack(format, frame_data)
    else:
        return ()

这是执行窗口混合或连接多个 .wav 文件的完整脚本。所有输入文件需要具有相同的参数（通道数和样本宽度）。

import argparse
import itertools
import struct
import sys
import wave

def _struct_format(sample_width, nb_samples):
    return {1:"%db", 2:"<%dh", 4:"<%dl"}[sample_width] % nb_samples

def _mix_samples(samples):
    return sum(samples)//len(samples)

def read_samples(wave_file, nb_frames):
    frame_data = wave_file.readframes(nb_frames)
    if frame_data:
        sample_width = wave_file.getsampwidth()
        nb_samples = len(frame_data) // sample_width
        format = _struct_format(sample_width, nb_samples)
        return struct.unpack(format, frame_data)
    else:
        return ()

def write_samples(wave_file, samples, sample_width):
    format = _struct_format(sample_width, len(samples))
    frame_data = struct.pack(format, *samples)
    wave_file.writeframes(frame_data)

def compatible_input_wave_files(input_wave_files):
    nchannels, sampwidth, framerate, nframes, comptype, compname = input_wave_files[0].getparams()
    for input_wave_file in input_wave_files[1:]:
        nc,sw,fr,nf,ct,cn = input_wave_file.getparams()
        if (nc,sw,fr,ct,cn) != (nchannels, sampwidth, framerate, comptype, compname):
            return False
    return True

def mix_wave_files(output_wave_file, input_wave_files, buffer_size):
    output_wave_file.setparams(input_wave_files[0].getparams())
    sampwidth = input_wave_files[0].getsampwidth()
    max_nb_frames = max([input_wave_file.getnframes() for input_wave_file in input_wave_files])
    for frame_window in xrange(max_nb_frames // buffer_size + 1):
        all_samples = [read_samples(wave_file, buffer_size) for wave_file in input_wave_files]
        mixed_samples = [_mix_samples(samples) for samples in itertools.izip_longest(*all_samples, fillvalue=0)]
        write_samples(output_wave_file, mixed_samples, sampwidth)

def concatenate_wave_files(output_wave_file, input_wave_files, buffer_size):
    output_wave_file.setparams(input_wave_files[0].getparams())
    sampwidth = input_wave_files[0].getsampwidth()
    for input_wave_file in input_wave_files:
        nb_frames = input_wave_file.getnframes()
        for frame_window in xrange(nb_frames // buffer_size + 1):
            samples = read_samples(input_wave_file, buffer_size)
            if samples:
                write_samples(output_wave_file, samples, sampwidth)

def argument_parser():
    parser = argparse.ArgumentParser(description='Mix or concatenate multiple .wav files')
    parser.add_argument('command', choices = ("mix", "concat"), help='command')
    parser.add_argument('output_file', help='ouput .wav file')
    parser.add_argument('input_files', metavar="input_file", help='input .wav files', nargs="+")
    parser.add_argument('--buffer_size', type=int, help='nb of frames to read per iteration', default=1000)
    return parser

if __name__ == '__main__':
    args = argument_parser().parse_args()

    input_wave_files = [wave.open(name,"rb") for name in args.input_files]
    if not compatible_input_wave_files(input_wave_files):
        print "ERROR: mixed wave files must have the same params."
        sys.exit(2)

    output_wave_file = wave.open(args.output_file, "wb")
    if args.command == "mix":
        mix_wave_files(output_wave_file, input_wave_files, args.buffer_size)
    elif args.command == "concat":
        concatenate_wave_files(output_wave_file, input_wave_files, args.buffer_size)

    output_wave_file.close()
    for input_wave_file in input_wave_files:
        input_wave_file.close()

Answer 3

阅读示例后（例如使用 wave 模块，更多详细信息此处），您可能希望值​​在 - 1 和 1（这是音频信号的约定）。

在这种情况下，您可以添加：

# scale to -1.0 -- 1.0
max_nb_bit = float(2**(nb_bits-1))  
samples = signal_int / (max_nb_bit + 1.0) 

使用 nb_bits 位深度和 signal_int 整数值。

Answer 4

标准库的 wave 模块是关键：当然，在代码顶部 import wave 之后，wave.open('the.wav', 'r') 返回一个“wave read”对象，您可以从中获取可以使用 .readframes 方法读取帧，该方法返回一个字节字符串，这些字节是样本...无论波形文件具有何种格式（您可以确定与将帧分解为样本相关的两个参数）使用 .getnchannels 方法获取通道数，使用 .getsampwidth 获取每个样本的字节数）。

将字节字符串转换为数值序列的最佳方法是使用 array 模块，以及（分别）'B'、' 类型H'、'L' 表示每个样本 1、2、4 个字节（在 32 位 Python 版本上；您可以使用 itemsize 值你的数组对象要仔细检查这一点）。如果您的样本宽度与 array 可以提供的不同，则需要对字节字符串进行切片（用值 0 的字节适当填充每个小切片）并使用 struct 模块代替（但这更笨重且更慢，所以使用 array 相反，如果可以的话）。