咪哥雜談

本篇閱讀時(shí)間約為 6 分鐘。

1

前言

今天開始進(jìn)入近期系列文章的第一篇，如何用 Python 來(lái)實(shí)現(xiàn)錄音功能。

在開始'造輪子'之前，個(gè)人一直強(qiáng)調(diào)一個(gè)觀點(diǎn)，如果有些東西已經(jīng)有了，不妨直接去 github 上搜，用現(xiàn)成的就好。關(guān)于這個(gè)想法，其實(shí) github 上已經(jīng)有人實(shí)現(xiàn)了。

但是有些細(xì)節(jié)點(diǎn)，和我想的不太一樣。所以呢，我還是決定自己體驗(yàn)一波流程，順便踩踩坑，畢竟是從興趣出發(fā)。

而在上篇文章留言區(qū)中，有個(gè)小伙伴也提出，其實(shí)在去年，就已經(jīng)用樹莓派實(shí)現(xiàn)了這系列的功能，我覺(jué)得還是蠻有意思的一件事。

下面進(jìn)入正題。

2

環(huán)境準(zhǔn)備

開始之前，先要介紹的是今天的主角，PyAudio。

這款第三方庫(kù)，是一個(gè)跨平臺(tái)音頻庫(kù)。

跨平臺(tái)的性質(zhì)，不用多說(shuō)了吧！就是多面兼容你的系統(tǒng)，不論你是用的 windows 、mac、linux，它都是支持的。

安裝命令如下：

pip install PyAudio

mac的同志們，需要注意下，安裝的時(shí)候可能會(huì)報(bào)錯(cuò)，安裝如下即可。

brew install portaudio

完備的第三方庫(kù)都會(huì)有對(duì)應(yīng)的文檔，地址如下：

https://people.csail./hubert/pyaudio/docs/#pyaudio

3

錄音功能實(shí)現(xiàn)

先來(lái)介紹一下，如何使用它來(lái)進(jìn)行錄制音頻功能！

PS: 音頻方面的東西，我之前也沒(méi)過(guò)多了解，近期寫了 PyAudio 庫(kù)的代碼實(shí)現(xiàn)后才發(fā)現(xiàn)，要想明白代碼的含義，還要有一些音頻方面的知識(shí)作為前置儲(chǔ)蓄，所以下面我會(huì)結(jié)合代碼去通俗講解，若有哪里不對(duì)的地方，歡迎評(píng)論區(qū)留言指出！

先來(lái)看代碼。

設(shè)定參數(shù)：

CHUNK = 1024  # 每個(gè)緩沖區(qū)的幀數(shù)FORMAT = pyaudio.paInt16  # 采樣位數(shù)CHANNELS = 1  # 單聲道RATE = 44100  # 采樣頻率

設(shè)定具體實(shí)現(xiàn)的參數(shù)，分別有 緩沖區(qū)幀數(shù)、采樣位數(shù)、聲道模式、采樣頻率。

具體實(shí)現(xiàn)錄音代碼：

def record_audio(wave_out_path, record_second):    ''' 錄音功能 '''    p = pyaudio.PyAudio()  # 實(shí)例化對(duì)象    stream = p.open(format=FORMAT,                    channels=CHANNELS,                    rate=RATE,                    input=True,                    frames_per_buffer=CHUNK)  # 打開流，傳入響應(yīng)參數(shù)    wf = wave.open(wave_out_path, 'wb')  # 打開 wav 文件。    wf.setnchannels(CHANNELS)  # 聲道設(shè)置    wf.setsampwidth(p.get_sample_size(FORMAT))  # 采樣位數(shù)設(shè)置    wf.setframerate(RATE)  # 采樣頻率設(shè)置    for _ in range(0, int(RATE * record_second / CHUNK)):        data = stream.read(CHUNK)        wf.writeframes(data)  # 寫入數(shù)據(jù)    stream.stop_stream()  # 關(guān)閉流    stream.close()    p.terminate()    wf.close()

先用正常代碼邏輯思維解釋下，其中涉及到的專業(yè)名詞，繼續(xù)往下看，后面會(huì)有相應(yīng)的解釋。

首先對(duì) pyaudio 庫(kù)進(jìn)行實(shí)例化。用其生成的實(shí)例化對(duì)象對(duì)數(shù)據(jù)流進(jìn)行相應(yīng)的打開，也就是 open 函數(shù)。在這塊，分別傳入了參數(shù)，采樣位數(shù)、聲道、采樣頻率，以及最后的緩沖區(qū)幀數(shù)。

調(diào)用 Python 自帶的 wave 庫(kù)，再次進(jìn)行寫入 wav 的相關(guān)設(shè)置。此處的操作類似 Python 寫 txt ，只不過(guò)多了點(diǎn)音頻設(shè)置而已。

用 采樣頻率 * 音頻秒數(shù)/ 每個(gè)緩沖區(qū)幀數(shù) ，得到的就是你要寫入多少個(gè)塊緩沖區(qū)的數(shù)量。最終，只需要每次循環(huán)寫入固定的 1024，一共循環(huán)得出的多少個(gè)塊緩沖區(qū)。即可得到最終的數(shù)據(jù)。

這里的公式計(jì)算，如果在不了解下述基礎(chǔ)概念之前，是很難理解的。

4

音頻基礎(chǔ)知識(shí)普及

看了上面的代碼解釋，是不是一臉懵逼。來(lái)普及下所涉及到的專業(yè)名詞。

首先， wav 和 mp3 的后綴結(jié)尾，有什么不同？

其次，關(guān)鍵的名詞解釋。

采樣位數(shù)：可以理解數(shù)字音頻設(shè)備處理聲音的解析度，即對(duì)聲音的辨析度。就像表示顏色的位數(shù)一樣（8位表示256種顏色，16位表示65536種顏色），有8位，16位等。這個(gè)數(shù)越大，解析度就越高，錄制和回放的聲音也就越真實(shí)。

采樣頻率：就是對(duì)聲音信息1秒鐘采樣多少次，以記錄成數(shù)字信息。如CD音頻是44.1KHz采樣率，它對(duì)聲音以每秒44100次的頻率來(lái)記錄信息。原則上采樣率越高，聲音的質(zhì)量越好。

截取了一段百度百科的例子，關(guān)于采樣頻率的設(shè)定，代碼中選擇的即 44100 Hz 。

每個(gè)緩沖區(qū)幀數(shù)：通俗的舉個(gè)例子，你手里有 102400 塊錢，現(xiàn)在要上交給女朋友。但是，你心想一口氣全給她，怕?lián)伪怂腻X包。于是你定了一個(gè)值，每次只給她 1024 元。

這里的 1024 元即每個(gè)緩存區(qū)的幀數(shù)。你想全部上交，需要幾次才能完成呢？是不是得重復(fù)上交這個(gè)動(dòng)作 100 次！此時(shí)，這里的 100 次，便對(duì)應(yīng)了上述代碼的循環(huán)次數(shù)，即公式算出來(lái)的有多少個(gè)塊緩存區(qū)。

弄懂音頻基礎(chǔ)知識(shí)后，再去回看代碼，你會(huì)發(fā)現(xiàn)那些參數(shù)的意義就一目了然了。

5

播放功能實(shí)現(xiàn)

有了以上知識(shí)點(diǎn)，對(duì)于讀文件來(lái)說(shuō)，就相當(dāng) easy 了！直接放上核心代碼：

def play_audio(wave_input_path):    p = pyaudio.PyAudio()  # 實(shí)例化    wf = wave.open(wave_input_path, 'rb')  # 讀 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)  # 讀數(shù)據(jù)    while len(data) > 0:        stream.write(data)        data = wf.readframes(CHUNK)    stream.stop_stream()  # 關(guān)閉資源    stream.close()    p.terminate()

讀文件的話，沒(méi)有什么可講的，我是直接從官方文檔的例子中 copy 的，修改了一下相應(yīng)的參數(shù)，即可實(shí)現(xiàn)。

6

總結(jié)

總的來(lái)說(shuō)，音頻的操作，Python中的 PyAudio 庫(kù)是非常友好的，當(dāng)然，經(jīng)過(guò)各種查閱資料，發(fā)現(xiàn)在寫入音頻文件時(shí)，不同人有不同的寫法，而文中的這套公式算法，應(yīng)該是較為簡(jiǎn)潔的一種。

放上一段，我用 Python 錄制的 wav 音頻文件。短暫的 3 s。

老規(guī)矩，有想要本章全部源碼的同學(xué)，后臺(tái)回復(fù) 音頻 ，即可獲得地址。

文中關(guān)于音頻的解釋，哪里有錯(cuò)誤，歡迎評(píng)論區(qū)留言指出！

▼

往期精彩回顧

▼

Python零基礎(chǔ)福利來(lái)了！

Python減少代碼量的兩個(gè)內(nèi)置函數(shù)

 Python打造自己的語(yǔ)音機(jī)器人設(shè)計(jì)思路