音频数据字符串格式到 numpy 数组

Question

我正在尝试将 numpy.array 的音频采样率（从 44100 到 22050）转换为 88200 个样本，其中我已经完成了一些处理（例如添加静音和转换为单声道）。我尝试用 audioop.ratecv 转换这个数组并且它工作，但是它 return 一个 str 而不是一个 numpy 数组，当我用 scipy.io.wavfile.write 写这些数据时，结果是一半的数据是lost 并且音频速度是原来的两倍（而不是更慢，至少这是有道理的）。 audio.ratecv 适用于 wave.open returns 等 str 数组，但我不知道如何处理这些数组，所以我尝试使用 numpy.array2string(data) 从 str 转换为 numpy将其传递给 ratecv 并获得正确的结果，然后使用 numpy.fromstring(data, dtype) 再次转换为 numpy，现在数据长度为 8 个样本。我认为这是由于格式复杂，但我不知道如何控制它。我也没有弄清楚 str wave.open returns 的格式是什么，所以我可以在这个格式上强制格式化。

这是我的这部分代码

def conv_sr(data, srold, fixSR, dType, chan = 1): 
    state = None
    width = 2 # numpy.int16
    print "data shape", data.shape, type(data[0]) # returns shape 88200, type int16
    fragments = numpy.array2string(data)
    print "new fragments len", len(fragments), "type", type(fragments) # return len 30 type str
    fragments_new, state = audioop.ratecv(fragments, width, chan, srold, fixSR, state)
    print "fragments", len(fragments_new), type(fragments_new[0]) # returns 16, type str
    data_to_return = numpy.fromstring(fragments_new, dtype=dType)
    return data_to_return

我这样称呼它

data1 = numpy.array(data1, dtype=dType)
data_to_copy = numpy.append(data1, data2)
data_to_copy = _to_copy.sum(axis = 1) / chan
data_to_copy = data_to_copy.flatten() # because its mono

data_to_copy = conv_sr(data_to_copy, sr, fixSR, dType) #sr = 44100, fixSR = 22050

scipy.io.wavfile.write(filename, fixSR, data_to_copy)

Answer 1

经过更多的研究，我发现我的错误，16 位音频似乎是由两个 8 位音频组成的 'cells'，所以我输入的 dtype 是错误的，这就是我有音频速度的原因问题。我找到了正确的 dtype here。因此，在 conv_sr def 中，我传递了一个 numpy 数组，将其转换为数据字符串，将其传递以转换采样率，再次转换为 scipy.io.wavfile.write 的 numpy 数组，最后，将 2 个 8 位转换为 16 位格式

def widthFinder(dType):
    try:
        b = str(dType)
        bits = int(b[-2:])
    except:
        b = str(dType)
        bits = int(b[-1:])
    width = bits/8
    return width

def conv_sr(data, srold, fixSR, dType, chan = 1): 
    state = None
    width = widthFinder(dType)
    if width != 1 and width != 2 and width != 4:
        width = 2
    fragments = data.tobytes()
    fragments_new, state = audioop.ratecv(fragments, width, chan, srold, fixSR, state)
    fragments_dtype = numpy.dtype((numpy.int16, {'x':(numpy.int8,0), 'y':(numpy.int8,1)}))
    data_to_return = numpy.fromstring(fragments_new, dtype=fragments_dtype)
    data_to_return = data_to_return.astype(dType)
    return data_to_return

如有不妥之处欢迎指正，我还是个学习者

音频数据字符串格式到 numpy 数组

Audio data string format to numpy array

python

string

numpy

audio

format-conversion