我目前正在尝试用 python 编写语音聊天程序。欢迎所有提示/技巧来做到这一点。
到目前为止，我发现 pyAudio 是 PortAudio 的包装器。所以我玩弄了它，并从我的麦克风获得了一个输入流，以回放到我的扬声器。当然只有RAW。
但是我不能通过网络发送 RAW 数据（由于大小 duh），所以我正在寻找一种对其进行编码的方法。我在网上搜索并偶然发现了这个用于 python的 speex-wrapper 。这似乎是真的，相信我，确实如此。
您在 pyAudio 中看到，您可以设置要从输入音频缓冲区中获取的块的大小，在链接上的示例代码中，它设置为 320。然后当它被编码时，每个块大约 40 个字节的数据，我猜这是可以接受的。现在解决问题。
我启动了一个示例程序，它只获取输入流，对块进行编码，解码并播放它们（由于测试不通过网络发送）。如果我只是让我的计算机空闲并运行这个程序，它会很好用，但是一旦我做某事，即启动 Firefox 或其他东西，音频输入缓冲区就会全部堵塞！它只是增长然后它全部崩溃并在缓冲区上给我一个溢出错误..
好的，那为什么我只占用 320 字节的流？我可以只占用 1024 字节之类的东西，这样可以减轻缓冲区的压力。但。如果我给 speex 1024 字节的数据进行编码/解码，它要么崩溃，要么说那对于它的缓冲区来说太大了。或者它对其进行编码/解码，但声音非常嘈杂且“断断续续”，就好像它只编码了 1024 块的一小部分，其余的是静态噪声。所以声音听起来像直升机，哈哈。
我做了一些研究，似乎 speex 一次只能转换 320 字节的数据，而且宽带可以转换 640 字节。但这是标准吗？我该如何解决这个问题？我应该如何构建我的程序以使用 speex？我可以使用一个中间缓冲区，它将所有可用数据从缓冲区中读取，然后将其分成 320 位并对其进行编码/解码。但这需要更长的时间，而且似乎是一个非常糟糕的问题解决方案。
因为据我所知，没有其他 Python 编码器可以对音频进行编码，因此它可以通过网络以可接受的小包发送，或者？我已经在谷歌上搜索了三天。
还有这个pyMedia库，我不知道这种软件转换成mp3/ogg是否好。
在此先感谢您阅读本文，希望任何人都可以帮助我！（：