如何将MP3音频文件读取到numpy数组中/如何将numpy数组保存到MP3？

Question

有没有一种方法可以numpy使用与scipy.io.wavfile.read和scipy.io.wavfile.write相似的API，将MP3音频文件读入数组/从数组写入MP3音频文件：

sr, x = wavfile.read('test.wav')
wavfile.write('test2.wav', sr, x)

？

注意：pydub的AudioSegment对象不能直接访问numpy数组。

^{PS：我已经阅读了将声音文件作为NumPy数组（到audiolab的替代品）导入Python的方法，尝试了所有答案，包括那些需要Popenffmpeg并从stdout管道读取内容的答案，等等。我也已经阅读了尝试转换mp3文件到Numpy Array，然后ffmpeg挂起，等等，并尝试了主要答案，但是没有简单的解决方案。在花了几个小时之后，我在这里将其发布为“回答您自己的问题-以Q＆A方式分享您的知识”。我还阅读了如何从pydub AudioSegment创建numpy数组？但这并不能轻易涵盖多通道情况等。}

Answer 1

正如许多关于阅读MP3的文章中所建议的那样，调用ffmpeg并手动解析它stdout是一项繁琐的任务（在许多特殊情况下，因为可能会使用不同数量的通道，等等），因此这是一个使用pydub（您需要pip install pydub首先使用）的可行解决方案。

此代码允许使用类似于以下内容的APIscipy.io.wavfile.read/write读取MP3到numpy数组/将numpy数组写入MP3文件：

import pydub 
import numpy as np

def read(f, normalized=False):
    """MP3 to numpy array"""
    a = pydub.AudioSegment.from_mp3(f)
    y = np.array(a.get_array_of_samples())
    if a.channels == 2:
        y = y.reshape((-1, 2))
    if normalized:
        return a.frame_rate, np.float32(y) / 2**15
    else:
        return a.frame_rate, y

def write(f, sr, x, normalized=False):
    """numpy array to MP3"""
    channels = 2 if (x.ndim == 2 and x.shape[1] == 2) else 1
    if normalized:  # normalized array - each item should be a float in [-1, 1)
        y = np.int16(x * 2 ** 15)
    else:
        y = np.int16(x)
    song = pydub.AudioSegment(y.tobytes(), frame_rate=sr, sample_width=2, channels=channels)
    song.export(f, format="mp3", bitrate="320k")

笔记：

• 目前仅适用于16位文件（即使24位WAV文件非常普遍，我也很少见过24位MP3文件...是否存在？）
• normalized=True 允许使用浮点数组（[-1,1中的每个项目）

用法示例：

sr, x = read('test.mp3')
print(x)

#[[-225  707]
# [-234  782]
# [-205  755]
# ..., 
# [ 303   89]
# [ 337   69]
# [ 274   89]]

write('out2.mp3', sr, x)

Answer 2

您可以使用audio2numpy库。安装与

pip install audio2numpy

那么，你的代码将是：

pip install audio2numpy

对于写作，请使用@Basj的答案