『开发技巧』Python音频操作工具PyAudio上手教程

『开发技巧』Python音频操作工具PyAudio上手教程

---

​

0.引子

当需要使用Python处理音频数据时，使用python读取与播放声音必不可少，下面介绍一个好用的处理音频PyAudio工具包。

PyAudio是Python开源工具包，由名思义，是提供对语音操作的工具包。提供录音播放处理等功能，可以视作语音领域的OpenCv。

 

1.简介

 

PyAudio为跨平台音频I / O库PortAudio提供Python 绑定。使用PyAudio，您可以轻松地使用Python在各种平台上播放和录制音频，例如GNU / Linux，Microsoft Windows和Apple Mac OS X / macOS。

PyAudio的灵感来自：

• pyPortAudio / fastaudio：PortAudio v18 API的Python绑定。
• tkSnack：Tcl / Tk和Python的跨平台声音工具包。

 

2.安装

 

目前的版本是PyAudio v0.2.11。在大多数平台上使用pip安装PyAudio。对于v0.2.9之前的版本，PyAudio分发安装二进制文件，这些文件 存档在这里。

 

微软Windows 

使用pip安装：

python -m pip install pyaudio

笔记：

• 如果pip尚未与您的Python安装捆绑在一起，请在此处获取 。
• pip将获取并安装PyAudio轮（预先打包的二进制文件）。目前，有车轮兼容Python 2.7,3.4,3.5和3.6 的 官方发行版。对于这些版本，可以使用32位和64位车轮。
• 这些二进制文件包括使用MinGW构建的PortAudio v19 v190600_20161030。它们仅支持Windows MME API，不包括对DirectX，ASIO等的支持。如果需要支持未包含的API，则需要编译PortAudio和PyAudio。

 

Apple Mac OS X.

使用Homebrew安装必备的portaudio库，然后使用pip安装PyAudio：

brew install portaudio 
pip install pyaudio

笔记：

• 如果尚未安装，请下载 Homebrew。
• pip将下载PyAudio源代码并为您的Python版本构建它。
• Homebrew和构建PyAudio还需要安装Xcode命令行工具（更多信息）。

 

Debian / Ubuntu

使用包管理器安装PyAudio：

sudo apt-get install python-pyaudio python3-pyaudio

---

如果没有最新版本的PyAudio，请使用pip安装它：

pip install pyaudio

笔记：

• pip将下载PyAudio源并为您的系统构建它。请务必事先安装portaudio库开发包（portaudio19-dev）和python开发包（python-all-dev）。
• 为了更好地隔离系统包，请考虑在virtualenv中安装PyAudio 。

 

PyAudio来源

源代码可从Python Package Index（PyPI）下载：pypi.python.org/pypi/PyAudio。

或克隆git存储库：

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

要从源代码构建PyAudio，您还需要构建 PortAudio v19。有关为各种平台构建PyAudio的一些说明，请参阅编译提示。要使用Microsoft Visual Studio构建PyAudio，请查看Sebastian Audet的说明。

 

 

3.示例

1).采集音频

下面以一段代码演示如何从计算机麦克风采集一段音频，采集音频时长 4s，保存文件 output.wav

使用了tqdm模块，可以方便显示出来读取过程，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）实例化PyAudio ，它设置portaudio系统。

要录制或播放音频，请使用pyaudio.PyAudio.open() （2）在所需设备上打开所需音频参数的流。这设置了pyaudio.Stream播放或录制音频。

通过使用流式传输pyaudio.Stream.write()音频数据或使用流式传输音频数据来播放音频 pyaudio.Stream.read()。（3）

请注意，在“阻止模式”中，每个pyaudio.Stream.write()或 pyaudio.Stream.read()阻止直到所有给定/请求的帧都被播放/记录。或者，要动态生成音频数据或立即处理录制的音频数据，请使用下面概述的“回调模式”。

使用pyaudio.Stream.stop_stream()暂停播放/录制，并pyaudio.Stream.close()终止流。（4）

最后，使用pyaudio.PyAudio.terminate()（5）终止portaudio会话

 

2).播放音频

下面使用播放的功能来播放1）中保存的音频 output.wav

通过tqdm，显示播放进度条，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).以回调方式播放音频

当需要在执行其他程序时同时播放音频，可以使用回调的方式播放，示例代码如下：

"""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/