Question

我正在寻找一种快速的，最好是标准的库机制来确定wav文件的位深度，例如： '16位'或'24位'。

我正在使用对Sox的子进程调用来获取大量的音频元数据，但是子进程调用非常慢，而且我目前只能从Sox中可靠地获得的唯一信息是位深度。

内置wave模块没有“getbitdepth（）”这样的功能，也不兼容24bit wav文件 - 我可以使用'try except'来使用wave模块访问文件元数据（如果有效），手动记录它是16位）然后打开除了调用sox（其中sox将执行分析以准确记录其bitdepth）。我担心的是，这种方法就像猜测一样。如果读取8位文件怎么办？如果不是，我会手动分配16位。

SciPy.io.wavefile也与24位音频不兼容，因此会产生类似的问题。

这个tutorial非常有趣，甚至包括一些非常低级别（至少是Python的低级别）脚本示例，用于从wav文件头中提取信息 - 遗憾的是这些脚本不适用于16位音频

有没有办法简单地（并且没有调用sox）确定我正在检查的wav文件的位深度？

我正在使用的wave header parser脚本如下：

import struct
import os

def print_wave_header(f):
    '''
    Function takes an audio file path as a parameter and 
    returns a dictionary of metadata parsed from the header
    '''
    r = {} #the results of the header parse
    r['path'] = f
    fin = open(f,"rb") # Read wav file, "r flag" - read, "b flag" - binary 
    ChunkID=fin.read(4) # First four bytes are ChunkID which must be "RIFF" in ASCII
    r["ChunkID"]=ChunkID
    ChunkSizeString=fin.read(4) # Total Size of File in Bytes - 8 Bytes
    ChunkSize=struct.unpack('I',ChunkSizeString) # 'I' Format is to to treat the 4 bytes as unsigned 32-bit inter
    TotalSize=ChunkSize[0]+8 # The subscript is used because struct unpack returns everything as tuple
    r["TotalSize"]=TotalSize
    DataSize=TotalSize-44 # This is the number of bytes of data
    r["DataSize"]=DataSize
    Format=fin.read(4) # "WAVE" in ASCII
    r["Format"]=Format
    SubChunk1ID=fin.read(4) # "fmt " in ASCII
    r["SubChunk1ID"]=SubChunk1ID
    SubChunk1SizeString=fin.read(4) # Should be 16 (PCM, Pulse Code Modulation)
    SubChunk1Size=struct.unpack("I",SubChunk1SizeString) # 'I' format to treat as unsigned 32-bit integer
    r["SubChunk1Size"]=SubChunk1Size
    AudioFormatString=fin.read(2) # Should be 1 (PCM)
    AudioFormat=struct.unpack("H",AudioFormatString) ## 'H' format to treat as unsigned 16-bit integer
    r["AudioFormat"]=AudioFormat[0]
    NumChannelsString=fin.read(2) # Should be 1 for mono, 2 for stereo
    NumChannels=struct.unpack("H",NumChannelsString) # 'H' unsigned 16-bit integer
    r["NumChannels"]=NumChannels[0]
    SampleRateString=fin.read(4) # Should be 44100 (CD sampling rate)
    SampleRate=struct.unpack("I",SampleRateString)
    r["SampleRate"]=SampleRate[0]
    ByteRateString=fin.read(4) # 44100*NumChan*2 (88200 - Mono, 176400 - Stereo)
    ByteRate=struct.unpack("I",ByteRateString) # 'I' unsigned 32 bit integer
    r["ByteRate"]=ByteRate[0]
    BlockAlignString=fin.read(2) # NumChan*2 (2 - Mono, 4 - Stereo)
    BlockAlign=struct.unpack("H",BlockAlignString) # 'H' unsigned 16-bit integer
    r["BlockAlign"]=BlockAlign[0]
    BitsPerSampleString=fin.read(2) # 16 (CD has 16-bits per sample for each channel)
    BitsPerSample=struct.unpack("H",BitsPerSampleString) # 'H' unsigned 16-bit integer
    r["BitsPerSample"]=BitsPerSample[0]
    SubChunk2ID=fin.read(4) # "data" in ASCII
    r["SubChunk2ID"]=SubChunk2ID
    SubChunk2SizeString=fin.read(4) # Number of Data Bytes, Same as DataSize
    SubChunk2Size=struct.unpack("I",SubChunk2SizeString)
    r["SubChunk2Size"]=SubChunk2Size[0]
    S1String=fin.read(2) # Read first data, number between -32768 and 32767
    S1=struct.unpack("h",S1String)
    r["S1"]=S1[0]
    S2String=fin.read(2) # Read second data, number between -32768 and 32767
    S2=struct.unpack("h",S2String)
    r["S2"]=S2[0]
    S3String=fin.read(2) # Read second data, number between -32768 and 32767
    S3=struct.unpack("h",S3String)
    r["S3"]=S3[0]
    S4String=fin.read(2) # Read second data, number between -32768 and 32767
    S4=struct.unpack("h",S4String)
    r["S4"]=S4[0]
    S5String=fin.read(2) # Read second data, number between -32768 and 32767
    S5=struct.unpack("h",S5String)
    r["S5"]=S5[0]
    fin.close()
    return r

Answer 1

我强烈推荐soundfile模块（但请注意，我非常偏颇，因为我写了很多部分）。

在那里，您可以将文件作为soundfile.SoundFile对象打开，该对象具有subtype属性，用于保存您要查找的信息。

在您的情况下可能是'PCM_16'或'PCM_24'。

Answer 2

基本上与Matthias的答案相同，但具有可复制复制的代码。

要求

pip install soundfile

代码

ob = sf.SoundFile('example.wav')
print('Sample rate: {}'.format(ob.samplerate))
print('Channels: {}'.format(ob.channels))
print('Subtype: {}'.format(ob.subtype))

说明

频道：通常为2，表示您有一位左扬声器和一位右扬声器。
采样率：音频信号是模拟信号，但我们想用数字表示。意思是我们要在价值和时间上离散化它们。采样率给出每秒获得数值的次数。单位是Hz。采样率必须至少是原始声音中最高频率的两倍，否则会出现混叠。 Human hearing range从〜20Hz到〜20kHz，因此您可以切断20kHZ以上的任何频率。意味着超过40kHz的采样率没有多大意义。
位深度：位深度越高，可捕获的动态范围越多。动态范围是乐器，部分或音乐的最安静音量和最大音量之间的差。典型值似乎是16位或24位。 16位的位深度的理论动态范围为96 dB，而24位的动态范围为144 dB（source）。
子类型：PCM_16表示16位深度，其中PCM代表Pulse-Code Modulation。

替代

如果您只寻找命令行工具，那么我可以推荐MediaInfo：

$ mediainfo example.wav
General
Complete name                            : example.wav
Format                                   : Wave
File size                                : 83.2 MiB
Duration                                 : 8 min 14 s
Overall bit rate mode                    : Constant
Overall bit rate                         : 1 411 kb/s

Audio
Format                                   : PCM
Format settings                          : Little / Signed
Codec ID                                 : 1
Duration                                 : 8 min 14 s
Bit rate mode                            : Constant
Bit rate                                 : 1 411.2 kb/s
Channel(s)                               : 2 channels
Sampling rate                            : 44.1 kHz
Bit depth                                : 16 bits
Stream size                              : 83.2 MiB (100%)

确定wav文件的位深度

2 个答案:

要求

代码

说明

替代