YeAudio音频工具的介绍和使用
夜雨飘零音频工具
这款Python音频处理工具功能强大，支持读取多种格式的音频文件。它不仅能够对音频进行裁剪、添加混响、添加噪声等多种处理操作，还广泛应用于语音识别、语音合成、声音分类以及声纹识别等多个项目领域。
安装
使用pip安装。
pip install yeaudio -U -i https://pypi.tuna.tsinghua.edu.cn/simple
（推荐） 使用源码安装。
git clone https://github.com/yeyupiaoling/YeAudio.git
cd YeAudio
pip install . -i https://pypi.tuna.tsinghua.edu.cn/simple
快速使用
读取普通音频：
from yeaudio.audio import AudioSegment
audio_segment = AudioSegment.from_file('data/test.wav')
print(f'音频长度：{audio_segment.duration}')
print(f'音频采样率：{audio_segment.sample_rate}')
print(f'音频数据：{audio_segment.samples}')
读取视频中的音频：
from yeaudio.audio import AudioSegment
audio_segment = AudioSegment.from_file('data/test.mp4')
print(f'音频长度：{audio_segment.duration}')
print(f'音频采样率：{audio_segment.sample_rate}')
print(f'音频数据：{audio_segment.samples}')
API文档
def
__init__(self, samples, sample_rate):
创建单通道音频片段实例
参数：
- samples（ndarray.float32）： 频数据，维度为[num_samples x num_channels]
- sample_rate（int）： 音频的采样率
示例代码：
import soundfile
from yeaudio.audio import AudioSegment
samples, sample_rate = soundfile.read("data/test.wav")
audio_segment = AudioSegment(samples, sample_rate)
print(audio_segment.samples)
def
__eq__(self, other):
返回两个对象是否相等
参数：
- other（AudioSegment）： 比较的另一个音频片段实例
示例代码：
from yeaudio.audio import AudioSegment
audio_segment1 = AudioSegment.from_file("data/test.wav")
audio_segment2 = AudioSegment.from_file("data/test.wav")
print(audio_segment1 == audio_segment2)
def
__ne__(self, other):
返回两个实例是否不相等
参数：
- other（AudioSegment）： 比较的另一个音频片段实例
示例代码：
from yeaudio.audio import AudioSegment
audio_segment1 = AudioSegment.from_file("data/test.wav")
audio_segment2 = AudioSegment.from_file("data/test.wav")
print(audio_segment1 != audio_segment2)
def
__str__(self):
返回该音频的信息
示例代码：
from yeaudio.audio import AudioSegment
audio_segment = AudioSegment.from_file("data/test.wav")
print(str(audio_segment))
@classmethod
def from_file(cls, file):
从音频文件创建音频段，支持wav、mp3、mp4等多种音频格式
参数：
- file（str|BufferedReader）： 件路径，或者文件对象
返回：
AudioSegment：音频片段实例
示例代码：
from yeaudio.audio import AudioSegment
audio_segment = AudioSegment.from_file('data/test.wav')
print(audio_segment.samples)
@classmethod
def slice_from_file(cls, file, start=None, end=None):
只加载一小段音频，而不需要将整个文件加载到内存中，这是非常浪费的。
参数：
- file（str|file）： 输入音频文件路径或文件对象
- start（float）： 开始时间，单位为秒。如果start是负的，则它从末尾开始计算。如果没有提供，这个函数将从最开始读取。
- end（float）： 结束时间，单位为秒。如果end是负的，则它从末尾开始计算。如果没有提供，默认的行为是读取到文件的末尾。
返回：
AudioSegment：AudioSegment输入音频文件的指定片的实例
异常：
ValueError：如果开始或结束的设定不正确，则会抛出ValueError异常
示例代码：
from yeaudio.audio import AudioSegment
audio_segment = AudioSegment.slice_from_file('data/test.wav', start=1, end=2)
print(audio_segment.samples)
@classmethod
def from_bytes(cls, data):
从wav格式的音频字节创建音频段
参数：
- data（bytes）： 包含音频样本的字节
返回：
AudioSegment：音频片段实例
示例代码：
from yeaudio.audio import AudioSegment
with open('data/test.wav', 'rb') as f:
data = f.read()
audio_segment = AudioSegment.from_bytes(data)
print(audio_segment.samples)
@classmethod
def from_pcm_bytes(cls, data, channels=1, samp_width=2, sample_rate=16000):
从包含无格式PCM音频的字节创建音频
参数：
- data（bytes）： 包含音频样本的字节
- channels（int）： 音频的通道数
- samp_width（int）： 频采样的宽度，如np.int16为2
- sample_rate（int）： 音频样本采样率
返回：
AudioSegment：音频片段实例
示例代码：
from yeaudio.audio import AudioSegment
with open('data/test.wav', 'rb') as f:
data = f.read()
audio_segment = AudioSegment.from_pcm_bytes(data[44:], channels=1, samp_width=2, sample_rate=16000)
print(audio_segment.samples)
@classmethod
def from_ndarray(cls, data, sample_rate=16000):
从numpy.ndarray创建音频段
参数：
- data（bytes）： numpy.ndarray类型的音频数据
- sample_rate（int）： 音频样本采样率
返回：
AudioSegment：音频片段实例
示例代码：
import soundfile
from yeaudio.audio import AudioSegment
samples, sample_rate = soundfile.read('data/test.wav')
audio_segment = AudioSegment.from_ndarray(samples, sample_rate=16000)
print(audio_segment.samples)
@classmethod
def concatenate(cls, *segments):
将任意数量的音频片段连接在一起
参数：
- segments（AudioSegment）： 输入音频片段被连接
返回：
AudioSegment：音频片段实例
异常：
ValueError：如果音频实例列表为空或者采样率不一致，则会抛出ValueError异常TypeError：如果输入的片段类型不一致，则会抛出TypeError异常
示例代码：
from yeaudio.audio import AudioSegment
audio_segment1 = AudioSegment.from_file('data/test.wav')
audio_segment2 = AudioSegment.from_file('data/test.wav')
audio_segment = AudioSegment.concatenate(audio_segment1, audio_segment2)
print(audio_segment.samples)
@classmethod
def make_silence(cls, duration, sample_rate):
创建给定持续时间和采样率的静音音频段
参数：
- duration（float）： 静音的时间，以秒为单位
- sample_rate（int）： 音频采样率
返回：
AudioSegment：给定持续时间的静音AudioSegment实例
示例代码：
from yeaudio.audio import AudioSegment
audio_segment = AudioSegment.make_silence(duration=10, sample_rate=16000)
print(audio_segment.samples)
def to_wav_file(self, filepath, dtype=‘float32’):
保存音频段到磁盘为wav文件
参数：
- filepath（str|file）： WAV文件路径或文件对象，以保存音频段
- dtype（str）： 音频数据类型，可选: ‘int16’, ‘int32’, ‘float32’, ‘float64’
异常：
TypeError：如果类型不支持，则会抛出TypeError异常
示例代码：
from yeaudio.audio import AudioSegment
audio_segment = AudioSegment.from_file("data/test.wav")
audio_segment.to_wav_file("output.wav")
def superimpose(self, other):
将另一个段的样本添加到这个段的样本中(以样本方式添加，而不是段连接)。
参数：
- other（AudioSegments）： WAV文件路径或文件对象，以保存音频段
- dtype（str）： 音频数据类型，可选: ‘int16’, ‘int32’, ‘float32’, ‘float64’
异常：
ValueError：如果两段音频采样率或者长度不一致，则会抛出ValueError异常TypeError：如果两个片段的类型不匹配，则会抛出TypeError异常
示例代码：
from yeaudio.audio import AudioSegment
audio_segment = AudioSegment.from_file("data/test.wav")
other_segment = AudioSegment.from_file("data/test.wav")
audio_segment.superimpose(other_segment)
def to_bytes(self, dtype=‘float32’):
创建包含音频内容的字节字符串
参数：
- dtype（str）： 导出样本的数据类型。可选: ‘int16’, ‘int32’, ‘float32’, ‘float64’
返回：
str：包含音频内容的字节字符串
示例代码：
from yeaudio.audio import AudioSegment
audio_segment = AudioSegment.from_file("data/test.wav")
print(audio_segment.to_bytes())
def to(self, dtype=‘int16’):
类型转换
参数：
- dtype（str）： 导出样本的数据类型。可选: ‘int16’, ‘int32’, ‘float32’, ‘float64’
返回：
str：转换后的数据
示例代码：
from yeaudio.audio import AudioSegment
audio_segment = AudioSegment.from_file("data/test.wav")
print(audio_segment.to(dtype='int16'))
def gain_db(self, gain):
对音频施加分贝增益。
参数：
- gain（float|1darray）： 用于样品的分贝增益
示例代码：
from yeaudio.audio import AudioSegment
audio_segment = AudioSegment.from_file("data/test.wav")
audio_segment.gain_db(gain=-20)
print(audio_segment.samples)
def change_speed(self, speed_rate):
通过线性插值改变音频速度。
参数：
- speed_rate（float）： 修改的音频速率: speed_rate > 1.0, 加快音频速度; speed_rate = 1.0, 音频速度不变; speed_rate < 1.0, 减慢音频速度; speed_rate <= 0.0, 错误数值.
异常：
ValueError：如果速度速率小于或等于0，则引发ValueError
示例代码：
from yeaudio.audio import AudioSegment
audio_segment = AudioSegment.from_file("data/test.wav")
audio_segment.change_speed(speed_rate=1.2)
print(audio_segment.samples)
def normalize(self, target_db=-20, max_gain_db=300.0):
将音频归一化，使其具有所需的有效值(以分贝为单位)。
参数：
- target_db（float）： 目标均方根值，单位为分贝。这个值应该小于0.0，因为0.0是全尺寸音频。
- max_gain_db（float）： 最大允许的增益值，单位为分贝，这是为了防止在对全0信号进行归一化时出现Nan值。
异常：
ValueError：如果所需的增益大于max_gain_db，则引发ValueError
示例代码：
from yeaudio.audio import AudioSegment
audio_segment = AudioSegment.from_file("data/test.wav")
audio_segment.normalize(target_db=-20)
print(audio_segment.samples)
def resample(self, target_sample_rate, filter=‘kaiser_best’):
按目标采样率重新采样音频。
参数：
- target_sample_rate（int）： 目标均方根值，单位为分贝。这个值应该小于0.0，因为0.0是全尺寸音频。
- filter（str）： 使用的重采样滤波器，支持’kaiser_best’、‘kaiser_fast’
示例代码：
from yeaudio.audio import AudioSegment
audio_segment = AudioSegment.from_file("data/test.wav")
audio_segment.resample(target_sample_rate=8000)
print(audio_segment.samples)
def pad_silence(self, duration, sides=‘both’):
在这个音频样本上加一段静音。
参数：
- duration（float）： 静默段的持续时间(以秒为单位)
- sides（str）： 添加的位置: ‘beginning’ - 在开始位置前增加静音段; ‘end’ - 在结束位置增加静音段; ‘both’ - 在开始和结束位置都增加静音段.。
异常：
ValueError：如果sides的值不是beginning、end或both，则引发ValueError
示例代码：
from yeaudio.audio import AudioSegment
audio_segment = AudioSegment.from_file("data/test.wav")
audio_segment.pad_silence(duration=2, sides='end')
print(audio_segment.samples)
def pad(self, pad_width, mode=‘wrap’, **kwargs):
在这个音频样本上加一段音频，等同numpy.pad。
参数：
- pad_width（sequence|array_like|int）： 填充宽度
- sides（str|function|optional）： 填充模式
示例代码：
from yeaudio.audio import AudioSegment
audio_segment = AudioSegment.from_file("data/test.wav")
audio_segment.pad(pad_width=(0, 16000 * 2), mode='wrap')
print(audio_segment.samples)
def shift(self, shift_ms):
音频偏移。如果shift_ms为正，则随时间提前移位;如果为负，则随时间延迟移位。填补静音以保持持续时间不变。
参数：
- shift_ms（float）： 偏移时间。如果是正的，随时间前进；如果负，延时移位。
异常：
ValueError：如果shift_ms的绝对值大于音频持续时间，则引发ValueError
示例代码：
from yeaudio.audio import AudioSegment
audio_segment = AudioSegment.from_file("data/test.wav")
audio_segment.shift(shift_ms=1000)
print(audio_segment.samples)
def subsegment(self, start_sec=None, end_sec=None):
在给定的边界之间切割音频片段。
参数：
- start_sec（float）： 开始裁剪的位置，以秒为单位，默认为0。
- end_sec（float）： 结束裁剪的位置，以秒为单位，默认为音频长度。
异常：
ValueError：如果start_sec或end_sec的值越界，则引发ValueError
示例代码：
from yeaudio.audio import AudioSegment
audio_segment = AudioSegment.from_file("data/test.wav")
audio_segment.subsegment(start_sec=1, end_sec=3)
print(audio_segment.samples)
def random_subsegment(self, duration):
随机剪切指定长度的音频片段。
参数：
- duration（float）： 随机裁剪的片段长度，以秒为单位
异常：
ValueError：如果片段长度大于原始段，则引发ValueError
示例代码：
from yeaudio.audio import AudioSegment
audio_segment = AudioSegment.from_file("data/test.wav")
audio_segment.random_subsegment(duration=2)
print(audio_segment.samples)
def reverb(self, reverb_file, allow_resample=True):
使音频片段混响。
参数：
- reverb_file（str）： 混响音频的路径
- allow_resample（bool）： 指示是否允许在两个音频段具有不同的采样率时重采样
异常：
ValueError：如果两个音频段之间的采样率不匹配，则引发ValueError
示例代码：
from yeaudio.audio import AudioSegment
audio_segment = AudioSegment.from_file("data/test.wav")
audio_segment.reverb(reverb_file='data/reverb.wav')
print(audio_segment.samples)
def reverb_and_normalize(self, reverb_file, allow_resample=True):
使音频片段混响，然后归一化。
参数：
- reverb_file（str）： 混响音频的路径
- allow_resample（bool）： 指示是否允许在两个音频段具有不同的采样率时重采样
异常：
ValueError：如果两个音频段之间的采样率不匹配，则引发ValueError
示例代码：
from yeaudio.audio import AudioSegment
audio_segment = AudioSegment.from_file("data/test.wav")
audio_segment.reverb_and_normalize(reverb_file='data/reverb.wav')
print(audio_segment.samples)
def add_noise(self, noise_file, snr_dB, max_gain_db=300.0, allow_resample=True):
以特定的信噪比添加给定的噪声段。如果噪声段比该噪声段长，则从该噪声段中采样匹配长度的随机子段。
参数：
- noise_file（str）： 噪声音频的路径
- snr_dB（float）： 信噪比，单位为分贝
- max_gain_db（float）： 最大允许的增益值，单位为分贝，这是为了防止在对全0信号进行归一化时出现Nan
- allow_resample（bool）： 指示是否允许在两个音频段具有不同的采样率时重采样
异常：
ValueError：如果两个音频段之间的采样率不匹配，则引发ValueError
示例代码：
from yeaudio.audio import AudioSegment
audio_segment = AudioSegment.from_file("data/test.wav")
audio_segment.add_noise(noise_file='data/noise.wav', snr_dB=10)
print(audio_segment.samples)
def crop(self, duration, mode=‘eval’):
根据模式裁剪指定的音频长度，如果为’train’模式，则随机剪切，否则从末尾剪切。
参数：
- duration（float）： 裁剪的音频长度，以秒为单位
- mode（str）： 裁剪的模型，‘train’或’eval’
异常：
ValueError：如果两个音频段之间的采样率不匹配，则引发ValueError
示例代码：
from yeaudio.audio import AudioSegment
audio_segment = AudioSegment.from_file("data/test.wav")
audio_segment.crop(duration=3, mode='train')
print(audio_segment.samples)
def vad(self, return_seconds=False, **kwargs):
创建给定持续时间和采样率的静音音频段
参数：
- return_seconds（bool）： 指示是否返回秒数而不是样本索引
- kwargs（dict）： 传递给Silero VAD模型的参数
返回：
List[Dict]：语音活动时间戳列表
示例代码：
from yeaudio.audio import AudioSegment
audio_segment = AudioSegment.from_file("data/test.wav")
speech_timestamps = audio_segment.vad(return_seconds=True)
for speech_timestamp in speech_timestamps:
print(speech_timestamp)
@property
def samples(self):
返回音频样本
返回：
float：返回音频样本
示例代码：
from yeaudio.audio import AudioSegment
audio_segment = AudioSegment.from_file('data/test.wav')
print(audio_segment.samples)
@property
def sample_rate(self):
返回音频采样率
返回：
int：返回音频采样率
示例代码：
from yeaudio.audio import AudioSegment
audio_segment = AudioSegment.from_file('data/test.wav')
print(audio_segment.sample_rate)
@property
def num_samples(self):
返回样品数量
返回：
int：返回样品数量
示例代码：
from yeaudio.audio import AudioSegment
audio_segment = AudioSegment.from_file('data/test.wav')
print(audio_segment.num_samples)
@property
def duration(self):
返回音频持续时间，以秒为单位
返回：
float：返回音频持续时间，以秒为单位
示例代码：
from yeaudio.audio import AudioSegment
audio_segment = AudioSegment.from_file('data/test.wav')
print(audio_segment.duration)
@property
def rms_db(self):
返回以分贝为单位的音频均方根能量
返回：
float：返回以分贝为单位的音频均方根能量
示例代码：
from yeaudio.audio import AudioSegment
audio_segment = AudioSegment.from_file('data/test.wav')
print(audio_segment.rms_db)