5

我正在试验我非常喜欢的 pydub，但是在拆分/加入 mp3 文件时遇到了问题。

我需要在服务器上生成一系列小的音频片段，这些片段将按顺序发送到 Web 浏览器并通过<audio/>元素播放。我需要音频播放“无缝”，各个片段之间没有声音连接。然而，目前，各个音频位之间的连接非常明显，有时会出现短暂的沉默，有时会出现奇怪的音频故障。

在我的概念验证代码中，我采用了一个大型 mp3 并将其分成 1 秒的块，如下所示：

song = AudioSegment.from_mp3('my.mp3')
song_pos = 0
while song_pos < 100:
    p1 = song_pos * 1000
    p2 = p1 + 1000

    segment = song[p1:p2] # 1 second of audio

    output = StringIO.StringIO()
    segment.export(output, format="mp3")
    client_data = output.getvalue() # send this to client

    song_pos += 1

client_data 值通过长期 http 连接流式传输到浏览器：

socket.send("HTTP/1.1 200 OK\r\nConnection: Keep-Alive\r\nContent-Type: audio/mp3\r\n\r\n")

然后对于每个新的音频块

socket.send(client_data)

谁能解释我听到的故障，并提出一种消除它们的方法？

4

3 回答 3

4

将我的评论升级为答案：

主要问题是 ffmpeg 使用的 MP3 编解码器在编码音频的末尾添加了静音（并且您的方法是生成多个单独的音频文件）。

如果可能，请使用像 wave 这样的无损格式，然后使用 gzip 或类似文件减小文件大小。您也可以使用无损音频压缩（例如，flac），但这可能取决于编码器的工作方式。

对于您听到的声音伪影，我没有确凿的解释，但可能是您在信号非零的点分割音频。如果声音以值为 100 的样本开头（例如），那听起来就像是数字爆裂声。MP3 压缩也可能会改变声音，尤其是在较低比特率的情况下。如果这是问题所在，则 1ms 淡入将消除爆音，而不会出现明显的“淡入淡出”（尽管可能会引入其他伪影） - 更长的淡入（如 20 或 50 ms 会避免奇怪的频域伪影，但会引入明显的“淡入”。

如果您愿意做更多（编码）工作，您可以搜索“零交叉”（基本上，信号自然处于零点的地方）并在那里分割音频。

如果可能的话，可能是最好的方法：

将整个信号编码为单个压缩文件，并将（该文件的）字节以块的形式发送到客户端，以作为单个流播放。如果您使用恒定比特率 mp3 编码 (CBR)，您只需计算字节数就可以发送几乎完美的 1 秒长的块。例如，对于 256kbps CBR，一次只发送 256 KB。

于 2017-03-13T15:21:45.680 回答
0

所以，我可能完全错了，我通常不会弄乱音频文件，但这可能是索引问题。尝试，

p2 = p1 + 1001

但您可能需要反转串联过程才能使其工作。除非您在最后添加额外的毫秒。

我认为可能的另一件事是当您将字节转换为字符串时输入的流中的工件。尝试使用 AudioSegment().raw_data 端点来表示音频的字节。

于 2017-03-11T01:17:58.567 回答
-1

声音是波形，你正在连接两个彼此异相的波；所以你得到一个阶梯函数，这使得流行。

我不熟悉这个软件，但整理 Nils Werner 的建议，你可以试试：

song = AudioSegment.from_mp3('my.mp3')
song_pos = 0

# begin with a millisecond of blank
segment = AudioSegment.silent(duration=1)
# append all your pieces to it
while song_pos < 100:
    p1 = song_pos * 1000
    p2 = p1 + 1000
    #append an item to your segment with several milliseconds of crossfade
    segment.append(song[p1:p2], crossfade=50)
    song_pos += 1

# then pass it on to your client outside of your loop
output = StringIO.StringIO()
segment.export(output, format="mp3")
client_data = output.getvalue() # send this to client

根据您加入的频率有多低/多高，您需要调整交叉淡入淡出时间以进行混合；低频将需要更多的衰减。

于 2017-03-09T18:24:00.910 回答