YeAudio音频工具的介绍和使用

devtools/2024/10/22 8:10:08/

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：

python">from yeaudio.audio import AudioSegmentaudio_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：

python">from yeaudio.audio import AudioSegmentaudio_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：

python">import soundfile
from yeaudio.audio import AudioSegmentsamples, 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：

python">from yeaudio.audio import AudioSegmentaudio_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：

python">from yeaudio.audio import AudioSegmentaudio_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：

python">from yeaudio.audio import AudioSegmentaudio_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：

python">from yeaudio.audio import AudioSegmentaudio_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：

python">from yeaudio.audio import AudioSegmentaudio_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：

python">from yeaudio.audio import AudioSegmentwith 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：

python">from yeaudio.audio import AudioSegmentwith 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：

python">import soundfilefrom yeaudio.audio import AudioSegmentsamples, 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：

python">from yeaudio.audio import AudioSegmentaudio_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：

python">from yeaudio.audio import AudioSegmentaudio_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：

python">from yeaudio.audio import AudioSegmentaudio_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：

python">from yeaudio.audio import AudioSegmentaudio_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：

python">from yeaudio.audio import AudioSegmentaudio_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：

python">from yeaudio.audio import AudioSegmentaudio_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：

python">from yeaudio.audio import AudioSegmentaudio_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：

python">from yeaudio.audio import AudioSegmentaudio_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：

python">from yeaudio.audio import AudioSegmentaudio_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：

python">from yeaudio.audio import AudioSegmentaudio_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：

python">from yeaudio.audio import AudioSegmentaudio_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：

python">from yeaudio.audio import AudioSegmentaudio_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：

python">from yeaudio.audio import AudioSegmentaudio_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：

python">from yeaudio.audio import AudioSegmentaudio_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：

python">from yeaudio.audio import AudioSegmentaudio_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：

python">from yeaudio.audio import AudioSegmentaudio_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：

python">from yeaudio.audio import AudioSegmentaudio_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：

python">from yeaudio.audio import AudioSegmentaudio_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：

python">from yeaudio.audio import AudioSegmentaudio_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：

python">from yeaudio.audio import AudioSegmentaudio_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：

python">from yeaudio.audio import AudioSegmentaudio_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：

python">from yeaudio.audio import AudioSegmentaudio_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：

python">from yeaudio.audio import AudioSegmentaudio_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：

python">from yeaudio.audio import AudioSegmentaudio_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：

python">from yeaudio.audio import AudioSegmentaudio_segment = AudioSegment.from_file('data/test.wav')
print(audio_segment.rms_db)


http://www.ppmy.cn/devtools/104157.html

相关文章

第八章 【后端】环境准备（8.1）——JDK

第八章 【后端】环境准备（8.1）——JDK

第八章 【后端】环境准备 8.1 JDK 下载网址：https://www.oracle.com/cn/java/technologies/downloads/ 下载 安装 运行 根据自己需要设置安装路径 next 即可
阅读更多...
postman学习笔记：从入门到精通

postman学习笔记：从入门到精通

postman入门到精通 一、postman下载安装与更换主题1、下载与安装2、更换主题&#xff08;Themes&#xff09; 二、页面详解1、顶部工具栏2、左侧栏3、中部栏3.1 请求部分页签介绍3.2 响应部分页签介绍 三、管理用例四、设置环境变量和全局变量1、添加环境变量2、添加全局变量 五…
阅读更多...
colab部署text-to-sql

colab部署text-to-sql

1.GitHub验证申请&#xff1a; https://github.com/settings/apps/new 教程&#xff08;第三方登陆auth(github)_github auth-CSDN博客&#xff09;https://www.ruanyifeng.com/blog/2019/04/github-oauth.html 2. git clone https://github.com/supabase-community/postgr…
阅读更多...
OpenCV小练习：人脸检测

OpenCV小练习：人脸检测

OpenCV自带人脸检测模型&#xff0c;拿来就能用。所以“人脸检测”这个任务对于OpenCV而言真是太简单了——感叹一下&#xff1a;OpenCV太强大了&#xff01;相关的介绍文章在网上可以搜到很多&#xff0c;原本我觉得没必要再写一篇了。结果我在写练习代码的时候&#xff0c;还…
阅读更多...
EmguCV学习笔记 C# 8.3 Grabcut法

EmguCV学习笔记 C# 8.3 Grabcut法

版权声明&#xff1a;本文为博主原创文章&#xff0c;转载请在显著位置标明本文出处以及作者网名&#xff0c;未经作者允许不得用于商业目的。 EmguCV是一个基于OpenCV的开源免费的跨平台计算机视觉库,它向C#和VB.NET开发者提供了OpenCV库的大部分功能。 教程VB.net版本请访问…
阅读更多...
C语言基础（二十一）

C语言基础（二十一）

C语言中的链表是一种常见的数据结构&#xff0c;用于存储一系列的元素&#xff0c;但与数组不同的是&#xff0c;链表中的元素在内存中不是连续存储的。链表中的每个元素称为节点&#xff08;Node&#xff09;&#xff0c;每个节点包含两个部分&#xff1a;一部分是存储数据的数…
阅读更多...
[GESP202312 四级] 田忌赛马

[GESP202312 四级] 田忌赛马

题目描述 如果一个两位数是素数&#xff0c;且它的数字位置经过对换后仍为素数&#xff0c;则称为绝对素数&#xff0c;例如 1313。给定两个正整数 A,BA,B&#xff0c;请求出大于等于 AA、小于等于 BB 的所有绝对素数。 输入格式 输入 11 行&#xff0c;包含两个正整数 AA 和…
阅读更多...
Redis中的数据类型及应用场景（面试版）

Redis中的数据类型及应用场景（面试版）

五种常用数据类型介绍 Redis中存储的都是key-value对结构的数据&#xff0c;其中key都是字符串类型&#xff0c;value有5种常用的数据类型&#xff1a; 字符串 string 哈希 hash 列表 list 集合 set 有序集合 sorted set / zset 各种数据类型特点 解释说明&#xff1a; …
阅读更多...
最新文章

Copyright @ 2022~2023