Question

我正在尝试从.wav文件中读取数据。

import wave
wr = wave.open("~/01 Road.wav", 'r')
# sample width is 2 bytes
# number of channels is 2
wave_data = wr.readframes(1)
print(wave_data)

这给出了：

b'\x00\x00\x00\x00'

这首歌的“第一帧”。这4个字节显然对应于每帧的（2个通道* 2字节采样宽度）字节，但每个字节对应的是什么？

特别是，我试图将其转换为单声道振幅信号。

Answer 1

如果您想了解“框架”是什么，则必须阅读波形文件格式的标准。例如：https://web.archive.org/web/20140221054954/http://home.roadrunner.com/~jgglatt/tech/wave.htm

从该文件：

意图“播放”的样本点，即同时发送到数模转换器（DAC）的样本点统称为样本帧。在我们的立体声波形示例中，每两个采样点构成另一个采样帧。下面针对该立体声示例进行了说明。

sample       sample              sample
frame 0      frame 1             frame N
 _____ _____ _____ _____         _____ _____
| ch1 | ch2 | ch1 | ch2 | . . . | ch1 | ch2 |
|_____|_____|_____|_____|       |_____|_____|
 _____
|     | = one sample point
|_____|

要转换为单声道，你可以做这样的事情，

import wave

def stereo_to_mono(hex1, hex2):
    """average two hex string samples"""
    return hex((ord(hex1) + ord(hex2))/2)

wr = wave.open('piano2.wav','r')

nchannels, sampwidth, framerate, nframes, comptype, compname =  wr.getparams()

ww = wave.open('piano_mono.wav','wb')
ww.setparams((1,sampwidth,framerate,nframes,comptype,compname))

frames = wr.readframes(wr.getnframes()-1)

new_frames = ''

for (s1, s2) in zip(frames[0::2],frames[1::2]):
    new_frames += stereo_to_mono(s1,s2)[2:].zfill(2).decode('hex')

ww.writeframes(new_frames)

从立体声到单声道没有明确的方法。你可以放下一个频道。上面，我正在平均渠道。这一切都取决于你的申请。

Answer 2

对于wav文件IO，我更喜欢使用scipy。读取wav文件可能有点过分，但通常在阅读wav后，下游处理更容易。

import scipy.io.wavfile
fs1, y1 = scipy.io.wavfile.read(filename)

从这里数据y1将是N个样本长，并且将具有Z列，其中每列对应于一个通道。要转换为单声道wav文件，您不会说您希望如何进行转换。您可以采取平均值，或其他任何你想要的。平均使用

monoChannel = y1.mean(axis=1)

Answer 3

作为您问题的直接答案：两个字节以“通常”方式生成一个16位整数值，由显式公式value = ord(data[0]) + 256 * ord(data[1])给出。但是使用struct模块是解码（以后重新编码）这种多字节整数的更好方法：

import struct
print(struct.unpack("HH", b"\x00\x00\x00\x00"))
# -> gives a 2-tuple of integers, here (0, 0)

或者，如果我们想要一个签名的 16位整数（我认为是.wav文件中的情况），请使用"hh"而不是"HH"。（我告诉你的任务是确定两个字节究竟如何编码从-32768到32767的整数值： - ）

Answer 4

将2个字节转换为int16的另一种方法是使用numpy.fromstring（）。这是一个例子： audio_sample来自wav文件。

>>> audio_sample[0:8]
b'\x8b\xff\xe1\xff\x92\xffn\xff'

>>> x = np.fromstring(audio_sample, np.int16) 

>>> x[0:4]
array([-117,  -31, -110, -146], dtype=int16)

您可以使用np.tobytes转换回字节

Python Wave字节数据

4 个答案: