Python-获取mp3的波形/幅度

Question

我希望我能找到一种方法从 python 中的 mp3 获取幅度数据。与 audacity 类似，但我不需要视觉效果，一个简单的值数组就可以了。我希望我的代码在声音变大时在某些点对声音做出反应。我正在使用 pygame 播放音频并尝试将其转换为 sndarray 但它只给了我前 0.00018 秒。无论如何，我可以得到整个mp3吗？它不一定是实时的，因为无论如何我都希望能够提前做出反应，并且会使用 pygame 跟踪我的位置。

我正在使用树莓派来构建这个云，而不是其他功能。我已经完成了照明工作，需要它对闪电做出反应，遗憾的是 lightshowpi 不是一个选择。任何帮助将不胜感激

编辑：这就是我到目前为止所拥有的，感谢 coder-don。它有效，但我挂在 while 循环上。我不知道为什么。我使用的 mp3 相当长，这可能是问题所在吗？

import os, sys
from gi.repository import Gst, GObject
Gst.init()
GObject.threads_init()

def get_peaks(filename):
global do_run

pipeline_txt = (
    'filesrc location="%s" ! decodebin ! audioconvert ! '
    'audio/x-raw,channels=1,rate=22050,endianness=1234,'
    'width=32,depth=32,signed=(bool)TRUE !'
    'level name=level interval=1000000000 !'
    'fakesink' % filename)
pipeline = Gst.parse_launch(pipeline_txt)

level = pipeline.get_by_name('level')
bus = pipeline.get_bus()
bus.add_signal_watch()

peaks = []
do_run = True

def show_peak(bus, message):
    global do_run
    if message.type == Gst.MESSAGE_EOS:
        pipeline.set_state(Gst.State.NULL)
        do_run = False
        return
    # filter only on level messages
    if message.src is not level or \
       not message.structure.has_key('peak'):
        return
    peaks.append(message.structure['peak'][0])

# connect the callback
bus.connect('message', show_peak)

# run the pipeline until we got eos
pipeline.set_state(Gst.State.PLAYING)
ctx = GObject.MainContext()
while ctx and do_run:
    ctx.iteration()

return peaks

def normalize(peaks):
    _min = min(peaks)
    print(_min)
    _max = max(peaks)
    print(_max)
    d = _max - _min
    return [(x - _min) / d for x in peaks]

if __name__ == '__main__':
    filename = os.path.realpath(sys.argv[1])
    peaks = get_peaks(filename)

    print('Sample is %d seconds' % len(peaks))
    print('Minimum is', min(peaks))
    print('Maximum is', max(peaks))

    peaks = normalize(peaks)
    print(peaks)

Answer 1

使用pydub，您可以非常轻松地loudness 获取 highest amplitude文件。mp3然后，您可以使用这些参数之一来使代码/灯光对此做出反应。

\n\n

从pydub网站，

\n\n

AudioSegment(\xe2\x80\xa6).max

\n\n

AudioSegment 中任何样本的最高振幅。对于标准化（在 pydub.effects.normalize 中提供）之类的事情很有用。

\n\n

from pydub import AudioSegment\nsound = AudioSegment.from_file("/path/to/sound.mp3", format="mp3")    \npeak_amplitude = sound.max\n

\n\n

AudioSegment(\xe2\x80\xa6).dBFS

\n\n

返回 AudioSegment 的响度（以 dBFS 为单位）（相对于最大可能响度的 db）。最大幅度的方波约为 0 dBFS（最大响度），而最大幅度的正弦波约为 -3 dBFS。

\n\n

from pydub import AudioSegment\nsound = AudioSegment.from_file("/path/to/sound.mp3", format="mp3")\nloudness = sound.dBFS\n

\n