pydub.AudioSegment 从 numpy.ndarray 加载时弄乱了音频数据

Question

我必须以编程方式混合音频文件（在录音中添加背景噪音），我的所有文件都是 .opus 格式的 8-9 小时长录音。

我曾尝试使用 pydub.AudioSegment 在内存中加载一个，但出现以下错误：

path_to_input = '/path/to/my/input/file.opus'
sound_data = AudioSegment.from_file(path_to_input)

Traceback (most recent call last):
  File "<input>", line 1, in <module>
  File "/Library/Frameworks/Python.framework/Versions/3.8/lib/python3.8/site-packages/pydub/audio_segment.py", line 728, in from_file
    fix_wav_headers(p_out)
  File "/Library/Frameworks/Python.framework/Versions/3.8/lib/python3.8/site-packages/pydub/audio_segment.py", line 142, in fix_wav_headers
    raise CouldntDecodeError("Unable to process >4GB files")
pydub.exceptions.CouldntDecodeError: Unable to process >4GB files

所以显然我不能使用 pydub.AudioSegment 来加载我的文件，因为它们太大了（我试图打开的文件实际上在磁盘上有 48MB，所以我猜它们太大而无法加载到内存中 pydub?)。无论如何，我已经设法使用 librosa 来加载文件。

sample_rate = 8000
sound_data_librosa = librosa.load(path_to_input, sr=sample_rate, res_type='kaiser_best')
sound_data_librosa = sound_data_librosa[0]

而且我认为我可以通过从 sound_data_librosa（这是一个 numpy.ndarray）创建一个 pydub.audio_segment.AudioSegment 对象来解决这个问题。

sound_data = AudioSegment(
    sound_data_librosa.tobytes(),
    frame_rate=sample_rate,
    sample_width=sound_data_librosa.dtype.itemsize,
    channels=1
    )

这似乎工作正常，但当我将其写回磁盘时，听起来像是随机噪音。

path_to_output = '/path/to/my/output/file.opus'
sound_data.export(path_to_output,
                      format="opus")

所以我还没有修改任何东西，但不知何故我丢失了所有音频数据。我不明白到底是什么问题。有什么我做错了可以解决的，这样我就不会扭曲音频数据吗？

此外，我不一定非要这样做，只是我一直在使用 pydub.AudioSegment 修改我的音频文件（应用增益、覆盖、写入磁盘作为 .opus 文件）所以这就是为什么我需要将它们加载为 pydub.audio_segment.AudioSegment 对象。如果在 python 中有另一种方法可以做同样的事情，如果你能指出来，我将不胜感激。我主要担心的是缺乏对 .opus 文件（读写）的支持，这就是为什么我要坚持使用 pydub.

Answer 1

是的，在 MacOS 上使用 opus 和 ffmpeg 有一些奇怪之处。我尝试修复了一段时间的文件大小问题，但没有任何进展。相反，我的建议是将文件转换为 wav（或任何其他合适的 (: 格式）并尝试使用它。我试过将 42MB 的 opus 文件转换为 WAV，结果大约是 2.7GB，但不知何故 pydub 能够读取它。你可以使用这样的东西来转换文件

import subprocess

def convert_to_wav(name):
     command = ['ffmpeg', '-i', f'{name}.opus', f'{name}.wav']
     subprocess.run(command, stdout=subprocess.PIPE, stdin=subprocess.PIPE)

或者在 GitHub

上 ping pydub 的所有者

pydub.AudioSegment 从 numpy.ndarray 加载时弄乱了音频数据

pydub.AudioSegment messes up the audio data when loading from a numpy.ndarray

python-3.x

pydub

opus

librosa

audiosegment