【语音识别入门】Python音频处理示例（含完整代码）

一、读取本地音频数据

首先，需要import几个工具包，一个是python标准库中的wave模块，用于音频处理操作，nump和matplot提供数据处理函数。

import wave
# 用于绘制波形图
import matplotlib.pyplot as plt

# 用于计算波形数据
import numpy as np

# 用于系统处理 读取本地音频文件
import os


# 读取本地音频数据

# 打开wave文件
f = wave.open(r"audio06.wav",'rb')

# 读取格式信息
params = f.getparams()
nchannels ,sampwidth ,framerate ,nframes = params [:4]
print(framerate)

二、读取单通道音频，并绘制波形图（常见音频为左右两个声道）

（1） 通过第一步，可以继续读取音频数据本身，保存为字符串格式

readframes：读取声音数据，传递一个参数指定需要读取的长度（以取样点为单位），readframes返回的是二进制数据（一大堆bytes)，在Python中用字符串表示二进制数据。

strData = f.readframes(nframes)

（2） 如果需要绘制波形图，则需要将字符串格式的音频数据转化为 int 类型

frombuffer：根据声道数和量化单位，将读取的二进制数据转换为一个可以计算的数组,通过frombuffer函数将二进制转换为整型数组，通过其参数dtype指定转换后的数据格式。

waveData=np.frombuffer(strData,dtype=np.int16)

此处需要使用到 numpy 进行数据格式的转化

（3） 将幅值归一化

把数据变成（０，１）之间的小数。主要是为了数据处理方便提出来的，把数据映射到0～1范围之内处理，更加便捷快速。

waveData=waveData*1.0/(max(abs(waveData)))

这一步去掉也可画出波形图，可以尝试不用此步，找出波形图的不同

（4） 绘制图像

通过取样点数和取样频率计算出取样的时间：

time = np.arange(0,nframes)*(1.0/framerate)

（5）完整代码

import wave
# 用于绘制波形图
import matplotlib.pyplot as plt
# 用于计算波形数据
import numpy as np
# 用于系统处理 读取本地音频文件
import os
# 读取本地音频数据
# 打开wave文件
f = wave.open(r"audio06.wav",'rb')
# 读取格式信息
params = f.getparams()
nchannels ,sampwidth ,framerate ,nframes = params [:4]
print(framerate)

# 读取单通道音频 并绘制波形图（常见音频为左右两个声道）
# 读取波形数据
strData = f.readframes(nframes)

# 将字符串转换为16位整数
waveDate = np.frombuffer(strData,dtype=np.int16)

#归一化：把数据变成（０，１）之间的小数。主要是为了数据处理方便提出来的，把数据映射到0～1范围之内处理，更加便捷快速
waveDate = waveDate*1.0/(max(abs(waveDate)))

# 计算音频时间
time = np.arange(0,nframes)*(1.0/framerate)

plt.plot(time,waveDate)
plt.xlabel("Time(s")
plt.ylabel("Amplitude")
plt.title("Single channel wavedata")
plt.show()