(Python) Python语音处理工具包AudioSegment的基本使用

1. AudioSegment库的使用

from pydub import AudioSegment

# 可以看到读取文件有很多方式
# 有直接from_file(),也有from_mp3()、from_wav()
# 下面的两个读取语句是等价的：
sound=AudioSegment.from_file("aaa.mp3","mp3")
sound=AudioSegment.from_mp3("aaa.mp3")

2. 获取音频文件信息

  #取得音频的声道数
  channel_count = sound.channels
  print(channel_count)
  #取得音频文件采样频率
  frames_per_second = sound.frame_rate
  print(frames_per_second)
  #取得音频的持续时间，同 len()
  print(sound.duration_seconds)
  print((len(sound) / 1000.0))
  #取得音频数据
  raw_audio_data = sound.raw_data   #这是bytes类型的
  wav_data=sound.get_array_of_samples()   #这是array类型的数据
  print(raw_audio_data)
  #取得音频文件帧宽度
  bytes_per_frame = sound.frame_width
  print(bytes_per_frame)
  #取得音频中的最大振幅
  normalized_sound = sound.apply_gain(-sound.max_dBFS)
  print(normalized_sound)
  #取得音频的分贝数
  loudness = sound.dBFS
  print(loudness)
  #获取音频音量大小，该值通常用来计算分贝数（dB= 20×lgX）
  loudness = sound.rms
  print(loudness)

3. 音频文件修改

# 语音切割,以毫秒为单位
start_time=0
end_time=2000
part = sound[start_time:end_time]
#调整音量大小
louder_via_method = sound.apply_gain(+3.5) # 提高
quieter_via_method = sound.apply_gain(-5.7) # 减小
#调整多声道音频的左右声道音量
#如果单声道音频调用此方法，它将先被转换为多声道
stereo_balance_adjusted = sound.apply_gain_stereo(-6, +2)
#左右声道平衡，按百分比增大一边，减小另一边
# pan the sound 15% to the right
panned_right = sound.pan(+0.15)
# # pan the sound 50% to the left
panned_left = sound.pan(-0.50)

4. 文件保存

#语音文件切割
part = sound[start_time:end_time]
#定义切割文件名称
data_split_filename='save.wav')
#保存切割文件
part.export(data_split_filename, format="wav")

5.  AudioSegment中mp3转wav文件并转换采样频率fs

from pydub import AudioSegment
 
def mp3_to_wav(mp3_filename,wav_filename,frame_rate):
    '''
    调整语音文件的编码  mp3 --> wav
    :param mp3_filename: mp3文件名称
    :param wav_filename: wav文件名称
    :param frame_rate: 采样频率
    :return:
    '''
    mp3_file = AudioSegment.from_mp3(file=mp3_filename)
    mp3_file.set_frame_rate(frame_rate).export(wav_filename,format="wav")