『開發技巧』Python音頻操作工具PyAudio上手教程

---

​

0.引子

當需要使用Python處理音頻數據時，使用python讀取與播放聲音必不可少，下面介紹一個好用的處理音頻PyAudio工具包。

PyAudio是Python開源工具包，由名思義，是提供對語音操作的工具包。提供錄音播放處理等功能，可以視作語音領域的OpenCv。

 

1.簡介

 

PyAudio為跨平台音頻I / O庫PortAudio提供Python 綁定。使用PyAudio，您可以輕松地使用Python在各種平台上播放和錄制音頻，例如GNU / Linux，Microsoft Windows和Apple Mac OS X / macOS。

PyAudio的靈感來自：

• pyPortAudio / fastaudio：PortAudio v18 API的Python綁定。
• tkSnack：Tcl / Tk和Python的跨平台聲音工具包。

 

2.安裝

 

目前的版本是PyAudio v0.2.11。在大多數平台上使用pip安裝PyAudio。對於v0.2.9之前的版本，PyAudio分發安裝二進制文件，這些文件 存檔在這里。

 

微軟Windows 

使用pip安裝：

python -m pip install pyaudio

筆記：

• 如果pip尚未與您的Python安裝捆綁在一起，請在此處獲取 。
• pip將獲取並安裝PyAudio輪（預先打包的二進制文件）。目前，有車輪兼容Python 2.7,3.4,3.5和3.6 的 官方發行版。對於這些版本，可以使用32位和64位車輪。
• 這些二進制文件包括使用MinGW構建的PortAudio v19 v190600_20161030。它們僅支持Windows MME API，不包括對DirectX，ASIO等的支持。如果需要支持未包含的API，則需要編譯PortAudio和PyAudio。

 

Apple Mac OS X.

使用Homebrew安裝必備的portaudio庫，然后使用pip安裝PyAudio：

brew install portaudio 
pip install pyaudio

筆記：

• 如果尚未安裝，請下載 Homebrew。
• pip將下載PyAudio源代碼並為您的Python版本構建它。
• Homebrew和構建PyAudio還需要安裝Xcode命令行工具（更多信息）。

 

Debian / Ubuntu

使用包管理器安裝PyAudio：

sudo apt-get install python-pyaudio python3-pyaudio

---

如果沒有最新版本的PyAudio，請使用pip安裝它：

pip install pyaudio

筆記：

• pip將下載PyAudio源並為您的系統構建它。請務必事先安裝portaudio庫開發包（portaudio19-dev）和python開發包（python-all-dev）。
• 為了更好地隔離系統包，請考慮在virtualenv中安裝PyAudio 。

 

PyAudio來源

源代碼可從Python Package Index（PyPI）下載：pypi.python.org/pypi/PyAudio。

或克隆git存儲庫：

git clone https://people.csail.mit.edu/hubert/git/pyaudio.git

要從源代碼構建PyAudio，您還需要構建 PortAudio v19。有關為各種平台構建PyAudio的一些說明，請參閱編譯提示。要使用Microsoft Visual Studio構建PyAudio，請查看Sebastian Audet的說明。

 

 

3.示例

1).采集音頻

下面以一段代碼演示如何從計算機麥克風采集一段音頻，采集音頻時長 4s，保存文件 output.wav

使用了tqdm模塊，可以方便顯示出來讀取過程，如下：

* recording
100%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 172/172 [00:03<00:00, 43.40it/s] 
* done recording

import pyaudio import wave from tqdm import tqdm def record_audio(wave_out_path,record_second): CHUNK = 1024 FORMAT = pyaudio.paInt16 CHANNELS = 2 RATE = 44100 p = pyaudio.PyAudio() stream = p.open(format=FORMAT, channels=CHANNELS, rate=RATE, input=True, frames_per_buffer=CHUNK) wf = wave.open(wave_out_path, 'wb') wf.setnchannels(CHANNELS) wf.setsampwidth(p.get_sample_size(FORMAT)) wf.setframerate(RATE) print("* recording") for i in tqdm(range(0, int(RATE / CHUNK * record_second))): data = stream.read(CHUNK) wf.writeframes(data) print("* done recording") stream.stop_stream() stream.close() p.terminate() wf.close() record_audio("output.wav",record_second=4)

要使用PyAudio，首先使用pyaudio.PyAudio()（1）實例化PyAudio ，它設置portaudio系統。

要錄制或播放音頻，請使用pyaudio.PyAudio.open() （2）在所需設備上打開所需音頻參數的流。這設置了pyaudio.Stream播放或錄制音頻。

通過使用流式傳輸pyaudio.Stream.write()音頻數據或使用流式傳輸音頻數據來播放音頻 pyaudio.Stream.read()。（3）

請注意，在“阻止模式”中，每個pyaudio.Stream.write()或 pyaudio.Stream.read()阻止直到所有給定/請求的幀都被播放/記錄。或者，要動態生成音頻數據或立即處理錄制的音頻數據，請使用下面概述的“回調模式”。

使用pyaudio.Stream.stop_stream()暫停播放/錄制，並pyaudio.Stream.close()終止流。（4）

最后，使用pyaudio.PyAudio.terminate()（5）終止portaudio會話

 

2).播放音頻

下面使用播放的功能來播放1）中保存的音頻 output.wav

通過tqdm，顯示播放進度條，如下：

100%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 172/172 [00:03<00:00, 43.40it/s] 

"""PyAudio Example: Play a WAVE file.""" import pyaudio import wave from tqdm import tqdm def play_audio(wave_path): CHUNK = 1024 wf = wave.open(wave_path, 'rb') # instantiate PyAudio (1) p = pyaudio.PyAudio() # open stream (2) stream = p.open(format=p.get_format_from_width(wf.getsampwidth()), channels=wf.getnchannels(), rate=wf.getframerate(), output=True) # read data data = wf.readframes(CHUNK) # play stream (3) datas = [] while len(data) > 0: data = wf.readframes(CHUNK) datas.append(data) for d in tqdm(datas): stream.write(d) # stop stream (4) stream.stop_stream() stream.close() # close PyAudio (5) p.terminate() play_audio("output.wav")

2).以回調方式播放音頻

當需要在執行其他程序時同時播放音頻，可以使用回調的方式播放，示例代碼如下：

"""PyAudio Example: Play a WAVE file.""" import pyaudio import wave from tqdm import tqdm import time def play_audio_callback(wave_path): CHUNK = 1024 wf = wave.open(wave_path, 'rb') # instantiate PyAudio (1) p = pyaudio.PyAudio() def callback(in_data, frame_count, time_info, status): data = wf.readframes(frame_count) return (data, pyaudio.paContinue) # open stream (2) stream = p.open(format=p.get_format_from_width(wf.getsampwidth()), channels=wf.getnchannels(), rate=wf.getframerate(), output=True, stream_callback=callback) # read data stream.start_stream() while stream.is_active(): time.sleep(0.1) # stop stream (4) stream.stop_stream() stream.close() # close PyAudio (5) p.terminate() play_audio_callback("output.wav")

 

Reference:

1.http://people.csail.mit.edu/hubert/pyaudio/