以帧为单位计算 FFT 并写入文件

Question

我是 python 的新手，我正在尝试获取上传的 wav 文件的 FFT 值和 return 文本文件每一行中每一帧的 FFT（使用 GCP )

使用 scipy 或 librosa

我要求的帧率是30fps

波形文件将具有 48k 采样率

所以我的问题是

如何将整个 wav 文件的样本分成每一帧的样本
~~如何添加空样本使帧样本的长度为2的幂（如48000/30 = 1600添加448个空样本使其为2048）~~
如何将生成的 FFT 数组归一化为 [-1,1]？

Answer 1

你可以使用带有回调的 pyaudio 来实现你正在做的任何事情。

import pyaudio
import wave
import time
import struct
import sys
import numpy as np

if len(sys.argv) < 2:
   print("Plays a wave file.\n\nUsage: %s filename.wav" % sys.argv[0])
   sys.exit(-1)

wf = wave.open(sys.argv[1], 'rb')

# instantiate PyAudio (1)
p = pyaudio.PyAudio()

def callback_test(data, frame_count, time_info, status):
    frame_count =1024
    elm = wf.readframes(frame_count) # read n frames
    da_i = np.frombuffer(elm, dtype='<i2') # convert to little endian int pairs
    da_fft = np.fft.rfft(da_i) # fast fourier transform for real values

    da_ifft = np.fft.irfft(da_fft)  # inverse fast fourier transform for real values 
    da_i = da_ifft.astype('<i2') # convert to little endian int pairs
    da_m = da_i.tobytes() # convert to bytes 
    return (da_m, pyaudio.paContinue)

# open stream using callback (3)
stream = p.open(format=p.get_format_from_width(wf.getsampwidth()),
                channels=wf.getnchannels(),
                rate=wf.getframerate(),# sampling frequency
                output=True,
                stream_callback=callback_test)

# # start the stream (4)
stream.start_stream()

# # wait for stream to finish (5)
while stream.is_active():
    time.sleep(0.1)

# # stop stream (6)
stream.stop_stream()
stream.close()
wf.close()

# close PyAudio (7)
p.terminate()

请参考以下链接进一步学习：

https://people.csail.mit.edu/hubert/pyaudio/docs/#example-callback-mode-audio-i-o 和 Python change pitch of wav file

以帧为单位计算 FFT 并写入文件

calculating FFT in frames and writing to a file

python

fft

scipy

librosa