python使用pyaudio錄音和格式轉(zhuǎn)化方式

更新時間：2023年05月06日 16:30:25 作者：沐嵐浩

這篇文章主要介紹了python使用pyaudio錄音和格式轉(zhuǎn)化方式，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教

使用pyaudio錄音和格式轉(zhuǎn)化

環(huán)境

pip3 install pyaudio
pip3 install wave
pip3 install numpy?

linux 21.04
python 3.7

代碼（Record類）

#!/bin/python3
# 標識引用的python版本
import pyaudio
import wave
import sys
import os
import numpy as np
"""
首先集成一下錄音功能和格式轉(zhuǎn)換功能
"""
class Record():
? ? """
? ? 錄音的類
? ? CHUNK = 1024
? ? FORMAT = pyaudio.paInt16 ?
? ? CHANNELS = 1 ?聲道
? ? RATE = 16000 ?頻率
? ? RECORD_SECONDS = 5 ?錄音時間 ?單位=> s
? ? WAVE_OUTPUT_FILENAME = os.getcwd() + "/python/output1.wav" ? 錄音文件
? ? """
? ? def __init__(self,WAVE_OUTPUT_FILENAME,CHUNK=1024,
? ? FORMAT=pyaudio.paInt16,CHANNELS=1,RECORD_SECONDS=5,
? ? Input=True,RATE=16000,PCMName="out.pcm",DataType=np.int16):
? ? ? ? self.CHUNK = CHUNK
? ? ? ? self.FORMAT = FORMAT
? ? ? ? self.CHANNELS = CHANNELS
? ? ? ? self.RECORD_SECONDS = RECORD_SECONDS
? ? ? ? self.WAVE_OUTPUT_FILENAME = WAVE_OUTPUT_FILENAME
? ? ? ? self.Input = Input
? ? ? ? self.RATE = RATE
? ? ? ? self.PCMName = PCMName
? ? ? ? self.DataType = DataType
? ? def recording(self):
? ? ? ? """
? ? ? ? 這句代碼 會屏蔽一些不必要的報錯
? ? ? ? os.close(sys.stderr.fileno())
? ? ? ? """
? ? ? ? #隱藏一些報錯，這些不影響程序的運行
? ? ? ? os.close(sys.stderr.fileno())
? ? ? ? print("開始錄音")
? ? ? ? p = pyaudio.PyAudio()
? ? ? ? stream = p.open(format=self.FORMAT,
? ? ? ? ? ? ? ? channels=self.CHANNELS,
? ? ? ? ? ? ? ? rate=self.RATE,
? ? ? ? ? ? ? ? input=self.Input,#默認為True
? ? ? ? ? ? ? ? frames_per_buffer=self.CHUNK)
? ? ? ? frames = []
? ? ? ? for i in range(0, int(self.RATE / self.CHUNK * self.RECORD_SECONDS)):
? ? ? ? ? ? data = stream.read(self.CHUNK)
? ? ? ? ? ? frames.append(data)
? ? ? ? print("done")
? ? ? ? # 關(guān)閉流
? ? ? ? stream.stop_stream()
? ? ? ? stream.close()
? ? ? ? p.terminate()
? ? ? ? wf = wave.open(self.WAVE_OUTPUT_FILENAME, 'wb')
? ? ? ? wf.setnchannels(self.CHANNELS)
? ? ? ? wf.setsampwidth(p.get_sample_size(self.FORMAT))
? ? ? ? wf.setframerate(self.RATE)
? ? ? ? wf.writeframes(b''.join(frames))
? ? ? ? wf.close()
? ? def wav2pcm(self):
? ? ? ? """
? ? ? ? 音頻文件wav格式 轉(zhuǎn) pcm格式
? ? ? ? """
? ? ? ? f = open(self.WAVE_OUTPUT_FILENAME, "rb")
? ? ? ? f.seek(0)
? ? ? ? f.read(1024)
? ? ? ? data = np.fromfile(f, dtype=self.DataType)
? ? ? ? # 獲取 分割后的 數(shù)組
? ? ? ? filePath = ?str(self.WAVE_OUTPUT_FILENAME).split('/')
? ? ? ? path = ''
? ? ? ? # 拼接路徑 取出最后一位 [0,-1)
? ? ? ? for item in filePath[:-1]:
? ? ? ? ? ? path += item +'/'
? ? ? ? path += self.PCMName?
? ? ? ? # print("PCM Path =>",path)
? ? ? ? data.tofile(path)
? ? ? ? print("結(jié)束")
? ? ? ? # 可以返回一個元組； 也可以把它封成數(shù)組返回
? ? ? ? return (self.WAVE_OUTPUT_FILENAME,path)
? ? def run(self):
? ? ? ? self.recording()
? ? ? ? wavpath,path = self.wav2pcm()
? ? ? ? # print("wave =>",wavpath,"\n","path =>",path)
# 這個就不寫入那個類里了， 這樣方便調(diào)用 不需要再初始化類了
# 可直接copy到使用的類中或者文件里
def pcm2wav(pcmfile,wavfile,channels=1,rate=16000):
? ? with open(pcmfile,'rb') as fp:
? ? ? ? pcmdata = fp.read()
? ? with wave.open(wavfile, 'wb') as wav:
? ? ? ? wav.setnchannels(channels)
? ? ? ? wav.setsampwidth(16 // 8)
? ? ? ? wav.setframerate(rate)
? ? ? ? ? ? # 寫入
? ? ? ? wav.writeframes(pcmdata)
# 測試
if __name__ == "__main__":
? ? wavepath = os.getcwd() + "/python/output1.wav" ?
? ? dev = Record(wavepath)
? ? # dev.run()
? ? pcmfile = os.getcwd() + '/python/demo.pcm'
? ? wavfile = os.getcwd() + '/python/demo.wav'
? ? pcm2wav(pcmfile,wavfile)?

pyaudio播放聲音不清晰問題

在樹莓派上使用pyaudio播放pcm文件的時候，發(fā)現(xiàn)明顯的不清晰，感覺有輕微的斷斷續(xù)續(xù)，而使用aplay播放則非常清晰

測試文件：https://sis-sample-audio.obs.cn-north-1.myhuaweicloud.com/16k16bit.pcm

>>> import pyaudio
>>> p = pyaudio.PyAudio()
>>> stream = p.open(format=pyaudio.paInt16, channels=1, output=True)
>>> with open("16k16bit.pcm", "rb") as f:
... ? ? stream.write(f.read())

>>> aplay -f cd -c 1 -r 16000 16k16bit.pcm

最后發(fā)現(xiàn)是由于緩沖區(qū)的幀數(shù)過少導致播放不流暢，默認pyaudio緩沖區(qū)的幀數(shù)為1024?？梢酝ㄟ^提高frames_per_buffer參數(shù)值來解決。

>>> import pyaudio
>>> p = pyaudio.PyAudio()
>>> stream = p.open(format=pyaudio.paInt16, channels=1, rate=16000, frames_per_buffer=4096, output=True)
>>> with open("16k16bit.pcm", "rb") as f:
... ? ? stream.write(f.read())