我必须在不使用任何外部 Python 库的情况下将 wav 文件从 44100Hz 降采样到 16000Hz，因此最好使用wave和/或audioop. 我尝试使用setframerate函数将 wav 文件的帧速率更改为 16000，但这只会减慢整个录制的速度。如何将音频文件下采样到 16kHz 并保持相同的音频长度？
问问题
61499 次
6 回答
42
您可以使用 Librosa 的 load() 函数，
import librosa
y, s = librosa.load('test.wav', sr=8000) # Downsample 44.1kHz to 8kHz
安装 Librosa 的额外努力可能值得高枕无忧。
专业提示：在 Anaconda 上安装 Librosa 时，还需要安装 ffmpeg，所以
pip install librosa
conda install -c conda-forge ffmpeg
这可以为您节省 NoBackendError() 错误。
于 2018-03-18T12:31:13.063 回答
16
要对信号进行下采样（也称为decimate）（这意味着降低采样率）或上采样（提高采样率），您需要在数据之间进行插值。
这个想法是你需要以某种方式在你的点之间绘制一条曲线，然后以新的采样率从这条曲线中获取值。这是因为您想知道某个时间未采样的声波的值，因此您必须以一种或另一种方式猜测该值。唯一容易进行二次采样的情况是当您将采样率除以整数 $k$ 时。在这种情况下，您只需要获取 $k$ 样本桶并只保留第一个样本。但这不会回答你的问题。请参见下图，其中有一条以两种不同比例采样的曲线。
如果您了解原理，您可以手动完成，但我强烈建议您使用库。原因是插值正确的方法并不容易，也不明显。
您可以使用线性插值（用一条线连接点）或二项式插值（用一条多项式连接三个点）或（有时最适合声音）使用傅里叶变换并在频率空间中进行插值。由于傅立叶变换不是您想手动重写的东西，如果您想要一个好的二次采样/二次采样，请参见下图，了解使用与 scipy 不同的算法的两条上采样曲线。“重采样”功能使用傅立叶变换。
我确实是在加载 44100Hz 波形文件并需要 48000Hz 采样数据的情况下，所以我写了以下几行来加载我的数据：
# Imports
from scipy.io import wavfile
import scipy.signal as sps
# Your new sampling rate
new_rate = 48000
# Read file
sampling_rate, data = wavfile.read(path)
# Resample data
number_of_samples = round(len(data) * float(new_rate) / sampling_rate)
data = sps.resample(data, number_of_samples)
请注意，如果您只进行下采样并且想要比傅立叶更快的东西，您也可以使用方法decimate 。
于 2019-03-17T16:50:46.373 回答
12
谢谢大家的答案。我已经找到了一个解决方案，而且效果很好。这是整个功能。
def downsampleWav(src, dst, inrate=44100, outrate=16000, inchannels=2, outchannels=1):
if not os.path.exists(src):
print 'Source not found!'
return False
if not os.path.exists(os.path.dirname(dst)):
os.makedirs(os.path.dirname(dst))
try:
s_read = wave.open(src, 'r')
s_write = wave.open(dst, 'w')
except:
print 'Failed to open files!'
return False
n_frames = s_read.getnframes()
data = s_read.readframes(n_frames)
try:
converted = audioop.ratecv(data, 2, inchannels, inrate, outrate, None)
if outchannels == 1:
converted = audioop.tomono(converted[0], 2, 1, 0)
except:
print 'Failed to downsample wav'
return False
try:
s_write.setparams((outchannels, 2, outrate, 0, 'NONE', 'Uncompressed'))
s_write.writeframes(converted)
except:
print 'Failed to write wav'
return False
try:
s_read.close()
s_write.close()
except:
print 'Failed to close wav files'
return False
return True
于 2015-06-05T07:29:46.100 回答
6
我尝试使用 Librosa，但由于某些原因，即使在给出行y, s = librosa.load('test.wav', sr=16000)和之后librosa.output.write_wav(filename, y, sr)，声音文件也没有以给定的采样率（16000，从 44kHz 下采样）保存。但pydub效果很好。jiaaro 的一个很棒的库，我使用了以下命令：
from pydub import AudioSegment as am
sound = am.from_file(filepath, format='wav', frame_rate=22050)
sound = sound.set_frame_rate(16000)
sound.export(filepath, format='wav')
上面的代码指出，我以 22050 的帧速率读取的文件更改为 16000 的速率，并且export函数用这个文件用新的帧速率覆盖现有文件。它比 librosa 工作得更好，但我正在寻找比较两个包之间速度的方法，但由于我的数据非常少，所以还没有弄清楚！
于 2020-02-24T07:29:35.037 回答
4
您可以在scipy. 这样做有点头疼，因为在bytestring原生到 python 和scipy. 还有一个令人头疼的问题，因为在 Python 的 wave 模块中，无法判断数据是否已签名（仅当它是 8 位或 16 位时）。它可能（应该）对两者都有效，但我还没有测试过。
这是一个将（无符号）8 位和 16 位单声道从 44.1 转换为 16 的小程序。如果您有立体声或使用其他格式，那么适应起来应该不难。在代码开头编辑输入/输出名称。从来没有使用命令行参数。
#!/usr/bin/env python
# -*- coding: utf-8 -*-
#
# downsample.py
#
# Copyright 2015 John Coppens <john@jcoppens.com>
#
# This program is free software; you can redistribute it and/or modify
# it under the terms of the GNU General Public License as published by
# the Free Software Foundation; either version 2 of the License, or
# (at your option) any later version.
#
# This program is distributed in the hope that it will be useful,
# but WITHOUT ANY WARRANTY; without even the implied warranty of
# MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE. See the
# GNU General Public License for more details.
#
# You should have received a copy of the GNU General Public License
# along with this program; if not, write to the Free Software
# Foundation, Inc., 51 Franklin Street, Fifth Floor, Boston,
# MA 02110-1301, USA.
#
#
inwave = "sine_44k.wav"
outwave = "sine_16k.wav"
import wave
import numpy as np
import scipy.signal as sps
class DownSample():
def __init__(self):
self.in_rate = 44100.0
self.out_rate = 16000.0
def open_file(self, fname):
try:
self.in_wav = wave.open(fname)
except:
print("Cannot open wav file (%s)" % fname)
return False
if self.in_wav.getframerate() != self.in_rate:
print("Frame rate is not %d (it's %d)" % \
(self.in_rate, self.in_wav.getframerate()))
return False
self.in_nframes = self.in_wav.getnframes()
print("Frames: %d" % self.in_wav.getnframes())
if self.in_wav.getsampwidth() == 1:
self.nptype = np.uint8
elif self.in_wav.getsampwidth() == 2:
self.nptype = np.uint16
return True
def resample(self, fname):
self.out_wav = wave.open(fname, "w")
self.out_wav.setframerate(self.out_rate)
self.out_wav.setnchannels(self.in_wav.getnchannels())
self.out_wav.setsampwidth (self.in_wav.getsampwidth())
self.out_wav.setnframes(1)
print("Nr output channels: %d" % self.out_wav.getnchannels())
audio = self.in_wav.readframes(self.in_nframes)
nroutsamples = round(len(audio) * self.out_rate/self.in_rate)
print("Nr output samples: %d" % nroutsamples)
audio_out = sps.resample(np.fromstring(audio, self.nptype), nroutsamples)
audio_out = audio_out.astype(self.nptype)
self.out_wav.writeframes(audio_out.copy(order='C'))
self.out_wav.close()
def main():
ds = DownSample()
if not ds.open_file(inwave): return 1
ds.resample(outwave)
return 0
if __name__ == '__main__':
main()
于 2015-06-03T19:09:34.600 回答
0
首先，您需要导入 'librosa' 库使用 'librosa.load' 重新采样音频文件 librosa.load(path,sr) initiallly sr(sampling rate) = 22050.If 你想保留原生采样率 make sr=None . 否则音频将被重新采样到提供的采样率
于 2020-12-16T10:19:50.717 回答