分裂/加入mp3时pydub音频故障

时间:2017-03-07 09:51:39

标签: python audio-streaming pydub

我正在尝试pydub,我非常喜欢,但是在分割/加入mp3文件时我遇到了问题。

我需要在服务器上生成一系列小的音频片段,这些片段将按顺序发送到Web浏览器并通过<audio/>元素播放。我需要音频播放是“无缝的”,单独的部分之间没有可听见的连接。然而,目前,单独的音频位之间的连接非常明显,有时会出现短暂的静音,有时会出现奇怪的音频故障。

在我的概念验证代码中,我使用了一个大型mp3并将其拆分为1秒块,如下所示:

song = AudioSegment.from_mp3('my.mp3')
song_pos = 0
while song_pos < 100:
    p1 = song_pos * 1000
    p2 = p1 + 1000

    segment = song[p1:p2] # 1 second of audio

    output = StringIO.StringIO()
    segment.export(output, format="mp3")
    client_data = output.getvalue() # send this to client

    song_pos += 1

client_data值通过长期的http连接流式传输到浏览器:

socket.send("HTTP/1.1 200 OK\r\nConnection: Keep-Alive\r\nContent-Type: audio/mp3\r\n\r\n")

然后为每个新的音频块

socket.send(client_data)

任何人都可以解释我听到的故障,并提出消除它们的方法吗?

3 个答案:

答案 0 :(得分:2)

将我的评论升级为答案:

主要问题是ffmpeg使用的MP3编解码器会在编码音频的末尾添加静音(并且您的方法会生成多个单独的音频文件)。

如果可能,请使用wave等无损格式,然后使用gzip或类似方法缩小文件大小。您也可以使用无损音频压缩(例如,flac),但这可能取决于编码器的工作方式。

我对您听过的声音文物没有确凿的解释,但可能是您在信号非零的位置拆分音频。如果声音以值为100(例如)的样本开始,则听起来像数字弹出声音。 MP3压缩也可能改变声音,特别是在较低的比特率下。如果这是问题,1毫秒淡入将消除流行音乐没有明显的声音&#34;淡出&#34; (虽然可能引入其他工件) - 较长的淡入(如20或50毫秒将避免奇怪的频域伪影,但会引入明显的&#34;淡入&#34;。

如果你愿意做更多(编码)工作,你可以搜索一个零交叉&#34; (基本上,信号自然处于零点的位置)并在那里分割音频。

如果可能的话,可能是最好的方法:

将整个信号编码为单个压缩文件,并将(一个文件中的)字节以块的形式发送到客户端,以便作为单个流进行回放。如果你使用恒定的比特率mp3编码(CBR),你可以通过计算字节来发送几乎完美的1秒长块。例如,使用256kbps CBR,一次只发送256 KB。

答案 1 :(得分:0)

所以,我可能完全错了,我通常不会混淆音频文件,但它可能是一个索引问题。尝试,

p2 = p1 + 1001

但您可能需要反转连接过程才能正常工作。除非你在最后添加额外的毫秒。

我认为它唯一可能是在将字节转换为字符串时输入的流中的工件。尝试使用AudioSegment()。raw_data端点获取音频的字节表示。

答案 2 :(得分:-1)

声音是波形,你连接两个彼此不同相的波;所以你得到一个阶梯函数,然后弹出。

我不熟悉这个软件,但编纂Nils Werner的建议,你可能会尝试:

song = AudioSegment.from_mp3('my.mp3')
song_pos = 0

# begin with a millisecond of blank
segment = AudioSegment.silent(duration=1)
# append all your pieces to it
while song_pos < 100:
    p1 = song_pos * 1000
    p2 = p1 + 1000
    #append an item to your segment with several milliseconds of crossfade
    segment.append(song[p1:p2], crossfade=50)
    song_pos += 1

# then pass it on to your client outside of your loop
output = StringIO.StringIO()
segment.export(output, format="mp3")
client_data = output.getvalue() # send this to client

取决于您加入的频率的低/高,您需要调整交叉淡化时间以进行混合;低频将需要更多的褪色。