在单个频率值中转换小WAV文件（PYTHON）

Question

我需要一个程序，将麦克风录制的音调转换为键盘按键。例如：如果有人在麦克风上以400hz和600hz之间的频率唱歌并且平均音调为550hz，那么我将平均频率存储在var'tom'中，并且按下键盘的键“G”。 即使我在编程中再见，我搜索并找到了一种方法， 通过在python语言中使用Audiopy，通过录制小WAV文件，我可以读取这些并获得一个数字作为平均频率，并使用此数字和一些ifs和elifs，按键（不是很难找到代码来按键），在一个巨大的WHILE，在程序运行时重复这个过程，所以我会有说话的过程，读取谈话会产生的小文件，然后根据音调转换成按键。

主要问题是我不知道如何转换我一直在单个平均频率上录制的WAV文件。有人可以帮我这个吗？还是大局？因为我知道这种方法不是很好。谢谢！我正在使用此代码进行记录，我在Audiopy网站上找到了：

import pyaudio
import wave
import numpy as np
import pyaudio

CHUNK = 2048
FORMAT = pyaudio.paInt16
CHANNELS = 2
RATE = 44100
RECORD_SECONDS = 1
WAVE_OUTPUT_FILENAME = "output1.wav"

p = pyaudio.PyAudio()

stream = p.open(format=FORMAT,
                channels=CHANNELS,
                rate=RATE,
                input=True,
                frames_per_buffer=CHUNK)

print("* recording")

frames = []

for i in range(0, int(RATE / CHUNK * RECORD_SECONDS)):
    data = stream.read(CHUNK)
    frames.append(data)

print("* done chunk")

stream.stop_stream()
stream.close()
p.terminate()

要按键，这个其他代码：

import win32com.client
shell = win32com.client.Dispatch("WScript.Shell")
    if tom >= 400 and tom<=500:
    shell.SendKeys("G")

PS：我正在使用Windows

Answer 1

您可以使用傅里叶变换将声音转换为频率。 更具体地，使用由numpy.fft.rfft提供的一维离散傅立叶变换。

从立体声WAV文件中读取一秒并提取频率的示例。

import wave
import numpy as np

with wave.open('input.wav', 'r') as wr:
    sz = wr.getframerate()  # Read and process 1 second.
    da = np.fromstring(wr.readframes(sz), dtype=np.int16)
    left, right = da[0::2], da[1::2]  # separate into left and right channel
    lf, rf = np.absolute(np.fft.rfft(left)), np.absolute(np.fft.rfft(right))

lf和rf是包含每个频率强度的numpy数组。使用numpy.argmax，您可以获得具有最高强度的索引（频率）。

但请尝试使用例如matplotlib。您会看到数据中可能存在多个峰值。例如，您可能会在50 Hz或60 Hz处找到峰值。这很可能是来自电源的干扰，应该通过清零数据来忽略。 60 Hz的示例：

lf[55:65], rf[55:65] = 0, 0

下面是使用matplotlib从一秒钟声音剪辑制作的示例图。上图显示了WAV文件中的样本，而下图显示了转换为频率的相同数据。这是一个人说话的图表，所以有许多高峰。最高的是200赫兹左右。