python音频处理相关类库

一、eyeD3

以下是eyed3的官方介绍

eyeD3 is a Python tool for working with audio files, specifically mp3 files containing ID3 metadata (i.e. song info).

It provides a command-line tool (eyeD3) and a Python library (import eyed3) that can be used to write your own applications or plugins that are callable from the command-line tool.

For example, to set some song information in an mp3 file called song.mp3:

$ eyeD3 -a Nobunny -A "Love Visions" -t "I Am a Girlfriend" -n 4 song.mp3

简单来说，eyeD3 这个库只要是用来处理MP3文件的，特别是带ID3 metadata的文件(一般MP3文件都会带有一些额外信息，比如说歌手、专辑之类的，后面会说怎么提取这些信息)。eyeD3 提供了两种使用方法，一种是使用command line 直接在命令行中执行 eyeD3 --...就可以对MP3进行处理，还有一种是在python中使用 import eyed3 导入。

上面的例子就是官方提供的一个使用eyeD3 命令行执行的语句，-a 是 --artist 的简写，即添加歌手信息，-A 是 --album的简写，即添加专辑信息，-t 是 --title的简写，即添加歌曲名字，-n 是 --track-num 的简写，即添加磁道数。这些一般都是 MP3文件ID3 tag 的默认属性。我们如果直接输入 eyeD3 song.mp3 就会直接显示歌曲的基本信息，

windows下测试截图如下：

可以看出确实常见的信息都显示出来了。

eyeD3 命令行讲完之后，再来说下如何在Python中使用。还是看官方给的例子吧：

import eyed3

audiofile = eyed3.load("song.mp3")
audiofile.tag.artist = u"Nobunny"
audiofile.tag.album = u"Love Visions"
audiofile.tag.album_artist = u"Various Artists"
audiofile.tag.title = u"I Am a Girlfriend"
audiofile.tag.track_num = 4

audiofile.tag.save()

上面的代码，使用 import eyed3 导入eyeD3 库，然后使用load方法加载mp3文件，后面的几行分别是设置 artist,album等等 ID3 tag ，直接看代码就能看出来，就不说了。如果想显示mp3文件内部的ID3 tag信息，直接print 相应的tag就行了，比如 print(audiofile.tag.artist)等等，当然，前提是你的MP3 metadata得储存了这些信息。其实还有一些更复杂和高级的用法，我就不讲了，大家有兴趣直接去官方文档看吧，地址：http://eyed3.nicfit.net/index.html。eyeD3 主要就是处理 MP3文件的metadata的，至于解析音频之类的就得用其他的库了。

二、pydub

　　第一个介绍的eyeD3 一般只能处理MP3文件，功能上相对来说也是比较简单一点。下面介绍的pydub库就要强大的多。老规矩，还是先看一下它的官方介绍：
Manipulate audio with a simple and easy high level interface http://pydub.com  就一句话，简单，易用的处理音频的高度抽象的接口，嘿，这不就是我们要找的么。github项目地址为：https://github.com/jiaaro/pydub/  有1800多的star，说明这个
库还是很受欢迎的。安装直接很简单，直接 pip install pydub 就可以安装。但是需要注意的是：

Dependencies

You can open and save WAV files with pure python. For opening and saving non-wav files – like mp3 – you'll need ffmpeg orlibav.

这里是说python自带的wave模块只能处理 wav 格式的音频文件，如果要想处理类似MP3格式的文件，就得要装 ffmpeg或者libav了。

什么是ffmpeg 呢？

A complete, cross-platform solution to record, convert and stream audio and video. 

ffmpeg 是一个跨平台的 可以用来 记录、转化音频与视频的工具，如果你做过数字信号处理方面的工作，对它应该不陌生。还有一个libav，其实是从ffmpeg分出来的一个分支，功能和 ffmpeg差不多，二者你任选一个下载就可以了。windows下直接选择可执行文件安装即可。

还是看官网的例子来介绍吧。

I：打开 mp3或者mp4等文件

可以采用如下的命令：

from pydub import AudioSegment

song = AudioSegment.from_wav("never_gonna_give_you_up.wav")
song = AudioSegment.from_mp3("never_gonna_give_you_up.mp3")

ogg_version = AudioSegment.from_ogg("never_gonna_give_you_up.ogg")
flv_version = AudioSegment.from_flv("never_gonna_give_you_up.flv")

mp4_version = AudioSegment.from_file("never_gonna_give_you_up.mp4", "mp4")
wma_version = AudioSegment.from_file("never_gonna_give_you_up.wma", "wma")
aac_version = AudioSegment.from_file("never_gonna_give_you_up.aiff", "aac")

可以打开任何 ffmpeg支持的文件类型，从上面可以看出，主要有 from_filetype()方法,filetype为具体的文件类型，比如 wav,mp3等

或者通用的 from_file()方法，但是这个方法必须在第二个参数指定打开文件的类型，返回的结果都是 AudioSegment对象。

II：切割音频

# pydub does things in milliseconds
ten_seconds = 10 * 1000
first_10_seconds = song[:ten_seconds]
last_5_seconds = song[-5000:]

注意pydub中的标准时间为毫秒，上面的代码就得到了音乐的前10秒和后5秒，非常简单。

III：调整音量

# boost volume by 6dB
beginning = first_10_seconds + 6
# reduce volume by 3dB
end = last_5_seconds - 3

+6 就表示将音乐的音量提高6分贝，-3就表示将音乐的音量降低3分贝

IV: 拼接两段音乐

without_the_middle = beginning + end

without_the_middle.duration_seconds

拼接之后的音乐时长是两段音乐时长之和，可以通过 .duration_seconds方法来获取一段音乐的时长。这与使用 len(audio)/1000.0得到的结果是一样的。

V：将音乐翻转(reverse)

# song is not modified
# AudioSegments are immutable
backwards = song.reverse()

注意 AudioSegment 对象是不可变的，上面使用reverse 方法不会改变song这个对象，而是会返回一个新的AudioSegment对象，其他的方法也是这样，需要注意。reverse简单来说就是 将音乐从尾部向头部开始逆序播放，我试了一下，发现转换之后还真的挺有意思的。

VI：crossfade(交叉渐入渐出方法)

# 1.5 second crossfade
with_style = beginning.append(end, crossfade=1500)

crossfade 就是让一段音乐平缓地过渡到另一段音乐，上面的crossfade = 1500 表示过渡的时间是1.5秒。

VII：repeat（重复音乐片段）

# repeat the clip twice

do_it_over = with_style * 2

上面的代码让音乐重复播放两次

VIII：fade in and fade out（逐渐增强与逐渐减弱）

# 2 sec fade in, 3 sec fade out

awesome = do_it_over.fade_in(2000).fade_out(3000)

逐渐增强2秒，逐渐减弱3秒

XI：save(保存)

awesome.export("mashup.mp3", format="mp3")

awesome.export("mashup.mp3", format="mp3", tags={'artist': 'Various artists', 'album': 'Best of 2011', 'comments': 'This album is awesome!'})

这里展示了两种保存的形式，都是使用export方法，要指定保存的格式，使用format 参数，但第二种方法多了一个tags参数，其实看一下应该就很容易明白，是保存 歌曲ID3 tag信息的。

以上只是pydub 使用方法的初步介绍，还有其他非常多的功能，请自行移步官方API 文档：https://github.com/jiaaro/pydub/blob/master/API.markdown

介绍的非常详细。

三、PyAudio
又是一个功能强大的处理音频库。官方介绍：

PyAudio provides Python bindings for PortAudio, the cross-platform audio I/O library. With PyAudio, you can easily use Python to play and record audio on a variety of platforms. PyAudio is inspired by:

• pyPortAudio/fastaudio: Python bindings for PortAudio v18 API.
• tkSnack: cross-platform sound toolkit for Tcl/Tk and Python.

Pyaudio 提供了对于跨平台的 PortAudio（处理 audio输入输出的库）的绑定，PyAudio可以让你轻松录制与播放音频。

废话不多说，直接看官方文档（https://people.csail.mit.edu/hubert/pyaudio/docs/）提供的一个quick start 的代码

"""PyAudio Example: Play a wave file."""

import pyaudio
import wave
import sys

CHUNK = 1024

if len(sys.argv) < 2:
　　print("Plays a wave file.\n\nUsage: %s filename.wav" % sys.argv[0])
　　sys.exit(-1)

wf = wave.open(sys.argv[1], '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)
while len(data) > 0:
　　stream.write(data)
　　data = wf.readframes(CHUNK)

# stop stream (4)
stream.stop_stream()
stream.close()

# close PyAudio (5)
p.terminate()

当然，这个提供的是使用命令行参数接收音频文件的形式，CHUNK 是一次读取的音频byte数量，p = pyaudio.PyAudio()初始化一个

PyAudio对象，然后使用其open方法打开一个输入输出流，这里指定了output=True说明这是一个输出流，即我们是往stream中添加data，如果这里改为 input = True就是变成输入流了，一般是从设备的标准 audio device ，对于电脑来说可能就是麦克风了，来读取音频data。使用wave打开一个 .wav 文件，然后使用 readframes方法每次读取 CHUNK 这么多的数据，将数据写入 stream，直到读完为止。写入stream的audio data 就会不断通过麦克风播放出来了，于是我们就可以听到音乐了。最后在结束的时候，注意要关闭相应的对象以释放资源。

还有一种方法是使用callback（回调函数）函数，代码如下：

"""PyAudio Example: Play a wave file (callback version)."""

import pyaudio
import wave
import time
import sys

if len(sys.argv) < 2:
　　print("Plays a wave file.\n\nUsage: %s filename.wav" % sys.argv[0])
　　sys.exit(-1)

wf = wave.open(sys.argv[1], 'rb')

# instantiate PyAudio (1)
p = pyaudio.PyAudio()

# define callback (2)
def callback(in_data, frame_count, time_info, status):
　　data = wf.readframes(frame_count)
　　return (data, pyaudio.paContinue)

# open stream using callback (3)
stream = p.open(format=p.get_format_from_width(wf.getsampwidth()),
channels=wf.getnchannels(),
rate=wf.getframerate(),
output=True,
stream_callback=callback)

# start the stream (4)
stream.start_stream()

# wait for stream to finish (5)
while stream.is_active():
　　time.sleep(0.1)

# stop stream (6)
stream.stop_stream()
stream.close()
wf.close()

# close PyAudio (7)
p.terminate()

不细说了。

下面来看一个使用pyaudio + numpy + pylab 可视化音频的代码，下面的代码打开电脑的麦克风，然后接受音频输入，再以图像的形式展示出来。

# -*- coding: utf-8 -*-
import pyaudio
import numpy as np
import pylab
import time

RATE = 44100
CHUNK = int(RATE/20) # RATE/number of updates per second

def sound_plot(stream):
　　t1 = time.time() # time starting
　　data = np.fromstring(stream.read(CHUNK),dtype = np.int16)
　　pylab.plot(data)
　　pylab.title(i)
　　pylab.grid()
　　pylab.axis([0,len(data),-2**8,2**8])
　　pylab.savefig("sound.png",dpi=50)
　　pylab.show(block = False)
　　time.sleep(0.5)
　　pylab.close('all')
　　print("took %.2f ms." % (time.time() - t1)*1000)

if __name__ == '__main__':
　　p = pyaudio.PyAudio()
　　stream = p.open(format = pyaudio.paInt16,channels = 1,rate = RATE,
　　input = True,frames_per_buffer = CHUNK)
　　for i in range(int(20*RATE/CHUNK)):
　　　　# for 10 seconds
　　　　sound_plot(stream)
　　stream.stop_stream()
　　stream.close()
　　p.terminate()

代码应该比较容易理解。得到的大概是像下面这样的图形:

需要注意的是，如果不是在交互式命令下执行pylab或者matplotlib的plot命令，其plt.show()函数是一个block函数，这会导致最后的

plt.close('all') 关闭所有的窗口只会在手动关闭了图像之后才会执行，所有我们无法看到连续变化的图像，为了解决这个问题，我们将plt.show()函数block参数设为False，这样show函数就不是block函数了，可以直接执行plt.close('all')命令，为了不因为图像刷新太快我们看不清变化，所以使用time.sleep(0.5) 暂停0.5秒。