Python - 下采样wav音频文件

Question

我必须在不使用任何外部python库的情况下将wav文件从44100Hz下采样到16000Hz,因此最好wave和/或audioop.我尝试使用setframerate函数将wav文件帧速率更改为16000 但这只会减慢整个录制速度.如何将音频文件下采样到16kHz并保持相同的音频长度？

非常感谢你提前

Answer 1

您可以使用Librosa的load（）函数，

import librosa    
y, s = librosa.load('test.wav', sr=8000) # Downsample 44.1kHz to 8kHz

安装Librosa的额外工作可能值得您放心。

专家提示：在Anaconda上安装Librosa时，还需要安装ffmpeg，因此

pip install librosa
conda install -c conda-forge ffmpeg

这样可以为您节省NoBackendError（）错误。

Answer 2

要对信号进行下采样（也称为抽取）（这意味着降低采样率）或上采样（增加采样率），您需要在数据之间进行插值。

这个想法是您需要以某种方式在您的点之间绘制一条曲线，然后以新的采样率从这条曲线中获取值。这是因为您想知道未采样的某个时间的声波值，因此您必须通过一种或另一种方式来猜测该值。子采样很容易的唯一情况是将采样率除以整数 $k$。在这种情况下，您只需要获取 $k$ 样本桶并仅保留第一个。但这不会回答你的问题。请参见下图，其中您有一条以两种不同比例采样的曲线。

如果您了解原理，您可以手动完成，但我强烈建议您使用库。原因是插入正确的方式并不容易，也不明显。

您可以使用线性插值（用一条线连接点）或二项式插值（用一个多项式连接三个点）或（有时最适合声音）使用傅立叶变换并在频率空间内插值。由于傅立叶变换不是您想手动重写的东西，如果您想要一个好的下采样/上采样，请参阅下图，了解使用与 scipy 不同的算法的上采样的两条曲线。“重采样”函数使用傅立叶变换。

我确实是在加载 44100Hz 波形文件并需要 48000Hz 采样数据的情况下，所以我写了以下几行来加载我的数据：

    # Imports
    from scipy.io import wavfile
    import scipy.signal as sps

    # Your new sampling rate
    new_rate = 48000

    # Read file
    sampling_rate, data = wavfile.read(path)

    # Resample data
    number_of_samples = round(len(data) * float(new_rate) / sampling_rate)
    data = sps.resample(data, number_of_samples)

请注意，如果您只进行下采样并且想要比傅立叶更快的东西，您也可以使用抽取方法。

Answer 3

您可以在 中使用重新采样scipy。这样做有点头疼，因为在本机到bytestringpython 和scipy. 还有一个令人头疼的问题，因为在Python的wave模块中，无法判断数据是否有符号（仅当它是8位或16位时）。它可能（应该）对两者都有效，但我还没有测试过。

这是一个小程序，可将（无符号）8 位和 16 位单声道从 44.1 转换为 16。如果您有立体声，或使用其他格式，那么适应起来应该不难。在代码开头编辑输入/输出名称。从来没有抽出时间使用命令行参数。

#!/usr/bin/env python
# -*- coding: utf-8 -*-
#
#  downsample.py
#  
#  Copyright 2015 John Coppens <john@jcoppens.com>
#  
#  This program is free software; you can redistribute it and/or modify
#  it under the terms of the GNU General Public License as published by
#  the Free Software Foundation; either version 2 of the License, or
#  (at your option) any later version.
#  
#  This program is distributed in the hope that it will be useful,
#  but WITHOUT ANY WARRANTY; without even the implied warranty of
#  MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the
#  GNU General Public License for more details.
#  
#  You should have received a copy of the GNU General Public License
#  along with this program; if not, write to the Free Software
#  Foundation, Inc., 51 Franklin Street, Fifth Floor, Boston,
#  MA 02110-1301, USA.
#  
#

inwave = "sine_44k.wav"
outwave = "sine_16k.wav"

import wave
import numpy as np
import scipy.signal as sps

class DownSample():
    def __init__(self):
        self.in_rate = 44100.0
        self.out_rate = 16000.0

    def open_file(self, fname):
        try:
            self.in_wav = wave.open(fname)
        except:
            print("Cannot open wav file (%s)" % fname)
            return False

        if self.in_wav.getframerate() != self.in_rate:
            print("Frame rate is not %d (it's %d)" % \
                  (self.in_rate, self.in_wav.getframerate()))
            return False

        self.in_nframes = self.in_wav.getnframes()
        print("Frames: %d" % self.in_wav.getnframes())

        if self.in_wav.getsampwidth() == 1:
            self.nptype = np.uint8
        elif self.in_wav.getsampwidth() == 2:
            self.nptype = np.uint16

        return True

    def resample(self, fname):
        self.out_wav = wave.open(fname, "w")
        self.out_wav.setframerate(self.out_rate)
        self.out_wav.setnchannels(self.in_wav.getnchannels())
        self.out_wav.setsampwidth (self.in_wav.getsampwidth())
        self.out_wav.setnframes(1)

        print("Nr output channels: %d" % self.out_wav.getnchannels())

        audio = self.in_wav.readframes(self.in_nframes)
        nroutsamples = round(len(audio) * self.out_rate/self.in_rate)
        print("Nr output samples: %d" %  nroutsamples)

        audio_out = sps.resample(np.fromstring(audio, self.nptype), nroutsamples)
        audio_out = audio_out.astype(self.nptype)

        self.out_wav.writeframes(audio_out.copy(order='C'))

        self.out_wav.close()

def main():
    ds = DownSample()
    if not ds.open_file(inwave): return 1
    ds.resample(outwave)
    return 0

if __name__ == '__main__':
    main()

Answer 4

谢谢大家的答案。我已经找到了解决方案，并且效果很好。这是整个功能。

def downsampleWav(src, dst, inrate=44100, outrate=16000, inchannels=2, outchannels=1):
    if not os.path.exists(src):
        print 'Source not found!'
        return False

    if not os.path.exists(os.path.dirname(dst)):
        os.makedirs(os.path.dirname(dst))

    try:
        s_read = wave.open(src, 'r')
        s_write = wave.open(dst, 'w')
    except:
        print 'Failed to open files!'
        return False

    n_frames = s_read.getnframes()
    data = s_read.readframes(n_frames)

    try:
        converted = audioop.ratecv(data, 2, inchannels, inrate, outrate, None)
        if outchannels == 1:
            converted = audioop.tomono(converted[0], 2, 1, 0)
    except:
        print 'Failed to downsample wav'
        return False

    try:
        s_write.setparams((outchannels, 2, outrate, 0, 'NONE', 'Uncompressed'))
        s_write.writeframes(converted)
    except:
        print 'Failed to write wav'
        return False

    try:
        s_read.close()
        s_write.close()
    except:
        print 'Failed to close wav files'
        return False

    return True

Answer 5

我尝试使用 Librosa，但由于某些原因，即使在给出了行y, s = librosa.load('test.wav', sr=16000)和之后librosa.output.write_wav(filename, y, sr)，声音文件也没有以给定的采样率（16000，从 44kHz 降采样）保存。但pydub效果很好。jiaaro 的一个很棒的库，我使用了以下命令：

from pydub import AudioSegment as am
sound = am.from_file(filepath, format='wav', frame_rate=22050)
sound = sound.set_frame_rate(16000)
sound.export(filepath, format='wav')

上面的代码指出，我以 22050 的帧速率读取的文件更改为速率 16000，并且export函数使用新的帧速率用此文件覆盖现有文件。它比 librosa 效果更好，但我正在寻找比较两个包之间速度的方法，但由于数据很少，所以还没有弄清楚！！！

参考：https : //github.com/jiaaro/pydub/issues/232