“pydub._data”和“numpy.fromsting”如何在音频指纹中工作？

Question

import numpy as np
from pydub import AudioSegment

song = AudioSegment.from_mp3("Music/Jimin/trap/_Revolution (Original Mix).mp3")

tensec = song[:10]
data = np.fromstring(tensec._data,np.int16)

print tensec
print data

这是我正在处理的音频指纹软件的摘录。我不太确定一些事情。

1. tensec保存为
的格式
2. ._data对tensec做了什么，tensec._data在
中的格式是什么
3. 拥有fromstring的目的是什么（我理解的是fromstring需要tensec._data并返回一个数组）

请帮帮我

Answer 1

1. 几乎所有可以在AudioSegment上执行的操作都会返回一个AudioSegment（包括切片），类似于切片字符串返回字符串的方式。

   但是，切片是在几毫秒内完成的，所以你应该写tensec = song[:10000]

2. AudioSegment().raw_data（也可以._data访问，但您不应该使用私有属性）是AudioSegment包含的原始字节数据。在python 2上，这是一个bytestring，在python 3上它是一个bytes对象。

3. numpy.fromstring()存在，因为在python 2中，原始字节数据通常存储为字符串，而这些字符串并不适用于数字操作。如果你想使用音频样本的数值，你也可以使用`AudioSegment().get_array_of_samples()这几乎做同样的事情，但是考虑它是否是8/16/32位音频，以及它是否＆ ＃39;单声道或立体声。

我使用get_array_of_samples()方法实现了低通滤波器（source on github），您也可以将其作为示例使用