python WAV音频文件处理—— (1)读写WAV文件

原文

代码

了解WAV文件格式

WAV是一种波形音频文件格式(Waveform Audio File Format)。虽然是一种古老的格式（九十年代初开发），但今天仍然可以看到这种文件。

WAV具有简单、可移植、高保真等特点。

WAV的波形

声音是一种波，可以用3个属性描述：

• 振幅(Amplitude) 表示声波强度，可视为响度。
• 频率(Frequency)，波长的倒数，对应音高。
• 相位(Phase)波开始时对应波周期中的位置。

  如果你用音频软件（如Audacity）打开WAV文件，可能看到这样的波形

  

  WAV 文件的结构

  WAV 音频文件格式是一种二进制格式，结构如下：

  

  Header 是一组元数据，描述了如何解释接下来的Frame。

  Header中的参数说明：

  • Encoding：编码。样音频信号的数字表示。可用的编码类型包括未压缩的线性脉冲编码调制 （PCM） 和一些压缩格式，如 ADPCM、A-Law 或 μ-Law。
  • Channels：声道数。每帧中的声道数，对于单声道，通常等于 1 个，对于立体声音轨，通常等于 2 个，但对于环绕声录音，可能会更多。
  • Frame Rate：帧速率。也称采样率。
  • Bit Depth：位深度，每个音的比特位数。位深度越大，编码信号的动态范围越大，越能表现声音的细微差别。

    为了忠实地表现音乐，大多数 WAV 文件使用立体声 PCM 编码，其中 16 位有符号整数以 44.1 kHz 采样。这些参数对应于标准 CD 质量的音频。巧合的是，这样的采样频率大约是大多数人能听到的最高频率的两倍。根据 Nyquist-Shannon 采样定理，这足以以数字形式捕获声音而不会失真。

    Python的wave模块

    wave 模块负责读取和写入 WAV 文件（但不能播放声音）。

    使用wave.open 读取wav文件将返回一个 wave.Wave_read object。

    import wave
    with wave.open("Bongo_sound.wav") as wav_file:
        print(wav_file)
    

    可以使用该对象检索存储在 WAV 文件Header信息并读取编码的音频帧：

    >>> with wave.open("Bongo_sound.wav") as wav_file:
    ...     metadata = wav_file.getparams() # header 
    ...     frames = wav_file.readframes(metadata.nframes) # frame
    ...
    >>> metadata
    _wave_params(
        nchannels=1,
        sampwidth=2,
        framerate=44100,
        nframes=212419,
        comptype='NONE',
        compname='not compressed'
    )
    >>> frames
    b'\x01\x00\xfe\xff\x02\x00\xfe\xff\x01\x00\x01\x00\xfe\xff\x02\x00...'
    >>> len(frames)
    424838
    

    读取的帧是原始比特(bytes)，我们需要手动解码。从Header中我们看到，每个音占2个字节(16位）。

    我们可以用array模块：

    >>> import array
    >>> pcm_samples = array.array("h", frames)
    >>> len(pcm_samples)
    212419
    

    或者使用struct模块：

    >>> import struct
    >>> format_string = "