在Python中读取* .wav文件

我需要分析写入.wav文件的声音。为此，我需要将此文件转换为一组数字（例如，数组）。我想我需要使用wave包。但是，我不知道它是如何工作的。例如，我做了以下工作：

import wave
w = wave.open('/usr/share/sounds/ekiga/voicemail.wav', 'r')
for i in range(w.getnframes()):
    frame = w.readframes(i)
    print frame

作为此代码的结果，我希望将声压视为时间的函数。相比之下，我看到了很多奇怪的神秘符号（不是十六进制数字）。有人可以请我帮忙吗？

根据文档，scipy.io.wavfile.read(somefile)返回两个项目的元组：第一个是每秒采样数的采样率，第二个是包含numpy从文件读取的所有数据的数组：

from scipy.io import wavfile
samplerate, data = wavfile.read('./output/audio.wav')

使用该struct模块，您可以获取波形帧（它们是-32768和32767之间的2的互补二进制数（即0x8000和0x7FFF）。它读取一个MONO，16位WAVE文件。我发现此网页在公式化方面非常有用：

import wave, struct

wavefile = wave.open('sine.wav', 'r')

length = wavefile.getnframes()
for i in range(0, length):
    wavedata = wavefile.readframes(1)
    data = struct.unpack("<h", wavedata)
    print(int(data[0]))

该代码段读取1帧。要读取多个帧（例如13个），请使用

wavedata = wavefile.readframes(13)
data = struct.unpack("<13h", wavedata)

读取wav的不同Python模块：

至少有以下这些库可以读取Wave音频文件：

• 声音文件
• scipy.io.wavfile（来自scipy）
• wave（读取流。包含在Python 2和3中）
• scikits.audiolab（自2010年以来不再维护）
• 声音设备（播放和录制声音，适用于流媒体和实时）
• g
• librosa（音乐和音频分析）
• madmom（重点关注音乐信息检索（MIR）任务）

最简单的例子：

这是SoundFile的一个简单示例：

import soundfile as sf
data, samplerate = sf.read('existing_file.wav') 

输出格式：

警告，数据并不总是采用相同的格式，这取决于库。例如：

from scikits import audiolab
from scipy.io import wavfile
from sys import argv
for filepath in argv[1:]:
    x, fs, nb_bits = audiolab.wavread(filepath)
    print('Reading with scikits.audiolab.wavread:', x)
    fs, x = wavfile.read(filepath)
    print('Reading with scipy.io.wavfile.read:', x)

输出：

Reading with scikits.audiolab.wavread: [ 0.          0.          0.         ..., -0.00097656 -0.00079346 -0.00097656]
Reading with scipy.io.wavfile.read: [  0   0   0 ..., -32 -26 -32]

SoundFile和Audiolab返回的浮点数介于-1和1之间（就像matab一样，这是音频信号的约定）。Scipy和wave返回整数，您可以根据编码的位数将其转换为浮点数，例如：

from scipy.io.wavfile import read as wavread
samplerate, x = wavread(audiofilename)  # x is a numpy array of integers, representing the samples 
# scale to -1.0 -- 1.0
if x.dtype == 'int16':
    nb_bits = 16  # -> 16-bit wav files
elif x.dtype == 'int32':
    nb_bits = 32  # -> 32-bit wav files
max_nb_bit = float(2 ** (nb_bits - 1))
samples = x / (max_nb_bit + 1)  # samples is a numpy array of floats representing the samples 

恕我直言，将声音数据从声音文件导入NumPy数组的最简单方法是SoundFile：

import soundfile as sf
data, fs = sf.read('/usr/share/sounds/ekiga/voicemail.wav')

这也支持开箱即用的24位文件。

有许多可用的声音文件库，我写了一个概述，您可以在其中看到一些优点和缺点。它还具有介绍如何使用wave模块读取24位wav文件的页面。

您可以使用scikits.audiolab模块完成此操作。它需要NumPy和SciPy才能运行，还需要libsndfile。

请注意，我只能使其在Ubunutu上工作，而不能在OSX上工作。

from scikits.audiolab import wavread

filename = "testfile.wav"

data, sample_frequency,encoding = wavread(filename)

现在您有了wav数据

如果要逐块处理音频，则某些给定的解决方案在某种意义上是非常糟糕的，因为它们暗示将整个音频加载到内存中，从而产生许多高速缓存未命中并降低程序速度。python-wavefile提供了一些pythonic构造，可通过生成器使用高效且透明的块管理来进行NumPy逐块处理。其他pythonic的优点是文件的上下文管理器，作为属性的元数据...，如果您想要整个文件接口，因为您正在开发一个快速的原型并且不关心效率，那么整个文件接口仍然存在。

一个简单的处理示例为：

import sys
from wavefile import WaveReader, WaveWriter

with WaveReader(sys.argv[1]) as r :
    with WaveWriter(
            'output.wav',
            channels=r.channels,
            samplerate=r.samplerate,
            ) as w :

        # Just to set the metadata
        w.metadata.title = r.metadata.title + " II"
        w.metadata.artist = r.metadata.artist

        # This is the prodessing loop
        for data in r.read_iter(size=512) :
            data[1] *= .8     # lower volume on the second channel
            w.write(data)

该示例重用了相同的块来读取整个文件，即使最后一个块通常小于所需大小也是如此。在这种情况下，您将获得该块的一部分。因此，请相信返回的块长度，而不是将硬编码的512大小用于任何进一步的处理。

如果您要对波形数据执行传输，那么也许应该专门使用SciPyscipy.io.wavfile。

我需要读取一个1通道的24位WAV文件。Nak的上述帖子非常有用。但是，如上所述，basj 24位并不是很简单。我终于使用以下代码片段使它工作了：

from scipy.io import wavfile
TheFile = 'example24bit1channelFile.wav'
[fs, x] = wavfile.read(TheFile)

# convert the loaded data into a 24bit signal

nx = len(x)
ny = nx/3*4    # four 3-byte samples are contained in three int32 words

y = np.zeros((ny,), dtype=np.int32)    # initialise array

# build the data left aligned in order to keep the sign bit operational.
# result will be factor 256 too high

y[0:ny:4] = ((x[0:nx:3] & 0x000000FF) << 8) | \
  ((x[0:nx:3] & 0x0000FF00) << 8) | ((x[0:nx:3] & 0x00FF0000) << 8)
y[1:ny:4] = ((x[0:nx:3] & 0xFF000000) >> 16) | \
  ((x[1:nx:3] & 0x000000FF) << 16) | ((x[1:nx:3] & 0x0000FF00) << 16)
y[2:ny:4] = ((x[1:nx:3] & 0x00FF0000) >> 8) | \
  ((x[1:nx:3] & 0xFF000000) >> 8) | ((x[2:nx:3] & 0x000000FF) << 24)
y[3:ny:4] = (x[2:nx:3] & 0x0000FF00) | \
  (x[2:nx:3] & 0x00FF0000) | (x[2:nx:3] & 0xFF000000)

y = y/256   # correct for building 24 bit data left aligned in 32bit words

如果您需要结果介于-1和+1之间，则需要一些额外的缩放比例。也许有些人可能会觉得这很有用

如果只有两个文件且采样率很高，则可以将它们交织。

from scipy.io import wavfile
rate1,dat1 = wavfile.read(File1)
rate2,dat2 = wavfile.read(File2)

if len(dat2) > len(dat1):#swap shortest
    temp = dat2
    dat2 = dat1
    dat1 = temp

output = dat1
for i in range(len(dat2)/2): output[i*2]=dat2[i*2]

wavfile.write(OUTPUT,rate,dat)

您还可以使用简单的import wavio库，还需要对声音有一些基本的了解。

PyDub（http://pydub.com/）尚未提及，应予以解决。IMO这是目前用于读取Python中音频文件的最全面的库，尽管并非没有缺点。读取wav文件：

from pydub import AudioSegment

audio_file = AudioSegment.from_wav('path_to.wav')
# or
audio_file = AudioSegment.from_file('path_to.wav')

# do whatever you want with the audio, change bitrate, export, convert, read info, etc.
# Check out the API docs http://pydub.com/

PS。该示例是关于读取wav文件的，但是PyDub可以开箱即用地处理多种格式。需要注意的是，它基于本机Python wav支持和ffmpeg，因此您必须安装ffmpeg，并且许多pydub功能都依赖于ffmpeg版本。通常，如果ffmpeg可以做到，那么pydub也可以（功能非常强大）。

免责声明：我与该项目无关，但是我是一个沉重的用户。