语音处理：Python实现Wav序列的声道拆分与合并

背景

---

项目中有时需要将多声道拆分成单声道，再将单声道进行分别处理，然后再合并为多声道。为提升批量处理音频序列的效率，写了以下Python脚本，供参考。

实现思路

---

这里以输入序列为双声道的wav格式文件为例。

编码思路

• 单文件处理逻辑
  • 多声道拆分为单声道
    • 读取单文件序列，获取到分离的声道参数信息和解交织的PCM数据
    • 按一定命名方式，对文件名进行修改适配ch0/ch1/ch..
    • 生成单声道文件，分别写入相应参数和数据
  • 单声道合并为多声道
    • 按指定命名方式，读取相应单声道文件
    • 按原始声道数，将PCM数据进行组合
    • 生成多声道文件，分别写入相应参数和数据
  • 自验证
    • 输入双声道序列
    • 调用多声道拆分函数
    • 调用单声道合并函数
    • 对比合并后序列与拆分前原始序列是否比特一致
• 批处理调度逻辑
  • 对目录内所有多声道文件获取文件绝对路径
  • 循环调用上述单文件处理逻辑

其中，利用到了Python自带模块scipy.io里的wavfile包来进行wav文件读写处理。

Python代码

---

import sys
import os
import numpy as np
from scipy.io import wavfile


''''     辅助处理函数     '''''

# 获取当前目录下所有文件对应的绝对路径，dir_in下面不能包含子目录
def get_dir_files_path(dir_in):
    files_path = []
    for (dirpath, dirnames, filenames) in os.walk(dir_in):
        for filename in filenames:
            files_path += [os.path.join(dirpath, filename)]
    files_path.sort()
    return files_path


''''     声道处理函数     '''''

# 读取wav输入数据，并解交织为[声道数，时序样点]
def read_wav_data(file_in):
    samplerate, data = wavfile.read(file_in) # data: [time, ch]
    data = np.array(data)
    data = data.T  # data: [ch, time]
    return samplerate, data


# 拆分多声道wav为单声道wav
def split_stereo_to_mono(input_path, output_path):
    # default stereo
    samplerate, data = read_wav_data(input_path)
    ch_num = 0
    for ch in data:
        mono = []
        mono.append(ch)
        file_name = input_path.split('\\')[-1]
        file_name = file_name.split('.')[0]
        #outfile_name = file_name + '_mono_ch{0}_170kbps.wav'.format(ch_num)
        outfile_name = file_name + '_mono_ch{0}.wav'.format(ch_num)
        out_path_file = os.path.join(output_path, outfile_name)
        mono_data = np.array(mono).T
        wavfile.write(out_path_file, samplerate, mono_data)
        ch_num += 1


# 合并单声道wav为多声道wav
def merge_mono_to_stereo(input_path, ref_path, output_path):
    file_name = ref_path.split('\\')[-1]
    file_name = file_name.split('.')[0]
    ch_num = 2
    stereo_data = []
    samplerate = -1
    for i in range(ch_num):
        file_in_name = file_name + '_mono_ch{0}_{1}kbps.wav'.format(i, CONST_TEST_BR)
        file_in_path = os.path.join(input_path, file_in_name)
        samplerate, data = read_wav_data(file_in_path)
        stereo_data.append(data)
    outfile_name = file_name + '_{0}kbps_merge.wav'.format(CONST_TEST_BR * ch_num)
    out_path_file = os.path.join(output_path, outfile_name)
    stereo_data = np.array(stereo_data).T
    wavfile.write(out_path_file, samplerate, stereo_data)


# 验证拆分、合并前后数据是否正常
def seq_closed_process():
    input_path = r'E:\seq_test\tmp\test.wav'
    output_path = r'E:\seq_test\tmp'
    split_stereo_to_mono(input_path, output_path)
    merge_mono_to_stereo(input_path, output_path)
    return


# 序列前处理，多声道拆分
def seq_pre_process(dir_in, dir_out):
    input_files_path = get_dir_files_path(dir_in)
    for input_path in input_files_path:
        split_stereo_to_mono(input_path, dir_out)
    return


# 序列后处理，单声道合并
def seq_post_process(dir_in, dir_ref, dir_out):
    input_files_path = get_dir_files_path(dir_ref)
    for input_path in input_files_path:
        merge_mono_to_stereo(dir_in, input_path, dir_out)
    return

相关资料

---

1. 语音处理：Python实现音频文件声道分离批量处理，link
2. Python实践：文件读写功能之txt文本，link