音频数据了解

音频文件格式介绍

• 音频文件格式专指存放音频数据的文件的格式, 存在多种不同的格式
• 一般获取音频数据的方法是:
  • 采用固定的时间间隔, 对音频电压采样(量化), 并将结果以某种分辨率(例如: CDDA 每个采样为 16 比特或 2 字节)存储
• 采样的时间间隔可以有不同的标准, 如:
  • CDDA 采用每秒 44100 次
  • DVD 采用每秒 48000 或 96000 次
• 音频文件格式的关键参数:
  • 采样率
  • 分辨率
  • 声道数目(例如立体声为2声道
• 音频文件和编解码器不同
  • 尽管一种音频文件格式可以支持多种编码, 例如 AVI 文件格式, 但多数的音频文件仅支持一种音频编码

音频文件格式的种类

• 无损格式:
  • WAV, FLAC, APE, ALAC, WavPack(WV)
  • 无损的音频格式(例如FLAC)压缩比大约是 2: 1, 解压时不会产生数据/质量上的损失, 解压产生的数据与未压缩的数据完全相同. 如需要保证音乐的原始质量, 应当选择无损音频编解码器. 例如, 用免费的 FLAC 无损音频编解码器你可以在一张 DVD-R 碟上存储相当于 20 张 CD 的音乐
• 有损格式
  • MP3, AAC, Ogg, Vorbis, Opus
  • 有损文件格式是基于声学心理学的模型, 除去人类很难或根本听不到的声音, 例如: 一个音量很高的声音后面紧跟着一个音量很低的声音. MP3就属于这一类文件
  • 有损压缩应用很多, 但在专业领域使用不多. 有损压缩具有很大的压缩比, 提供相对不错的声音质量

参考文献

• 维基百科(音频文件格式)
• 维基百科(WAV格式)

音频数据读写

Python wave

• Python 的 wave 库用来读写 WAV 格式文件
• wave 模块提供了一个处理 WAV 声音格式的便利接口
  • 不支持压缩、解压缩
  • 支持单声道、立体声

wave 函数和异常

• wave.open(file, mode = None)
  • file: 文件名、文件类对象
  • mode:
    • 'rb': 只读模式, 返回一个 Wave_read 对象
    • 'wb': 只写模式, 返回一个 Wave_write 对象
• exception wave.Error
  • 当不符合 WAV 格式或无法操作时引发的错误

Wave_read 对象

Wave_read 对象的常用方法:

• Wave_read.close()

• Wave_read.getnchannels(): 声道数量, 1: 单声道, 2: 立体声

• Wave_read.getsampwidth(): 采样字节长度

• Wave_read.getframerate(): 采样频率

• Wave_read.getnframes(): 音频总帧数

• Wave_read.getcomptype(): 压缩类型(只支持 ‘NONE’ 类型)

• Wave_read.getcompname(): getcomptype() 的通俗版本. 使用 ‘not compressed’ 代替 ‘NONE’

• Wave_read.getparams(): 返回一个 namedtuple() (nchannels, sampwidth, framerate, nframes, comptype, compname), 与 get*() 方法的输出相同

• Wave_read.readframes(n): 读取并返回以 bytes 对象表示的最多 n 帧音频

• Wave_read.rewind(): 设置当前文件指针位置

• 下面两个方法是为了和 aifc 保持兼容, 实际不做任何事情

  • Wave_read.getmarkers(): 返回 None
  • Wave_read.getmark(): 引发错误异常

• 下面两个方法都使用指针, 具体实现由其底层决定

  • Wave_read.setpos(pos): 设置文件指针到指定位置
  • Wave_read.tell(): 当前文件指针位置

Wave_write 对象

对于可查找的输出流, wave 头将自动更新以反映实际写入的帧数. 对于不可查找的流, 当写入第一帧时 nframes 值必须准确. 获取准确的 nframes 值可以通过调用 setnframes() 或 setparams() 并附带 close() 被调用之前将要写入的帧数, 然后使用 writeframesraw() 来写入帧数据, 或者通过调用 writeframes() 并附带所有要写入的帧.
在后一种情况下 writeframes() 将计算数据中的帧数并在写入帧数据之前相应地设置 nframes.

Wave_write 对象的常用方法:

• Wave_write.close(): 确保 nframes 是正确的, 并在文件被 wave 打开时关闭它. 此方法会在对象收集时被调用. 如果输出流不可查找且 nframes 与实际写入的帧数不匹配时引发异常.
• Wave_write.setnchannels(n): 设置声道数
• Wave_write.setsampwidth(n): 设置采样字节长度为 n
• Wave_write.setframerate(n): 设置采样频率为 n.
• Wave_write.setnframes(n): 设置总帧数为 n. 如果与之后实际写入的帧数不一致此值将会被更改(如果输出流不可查找则此更改尝试将引发错误)
• Wave_write.setcomptype(type, name): 设置压缩格式. 目前只支持 NONE 即无压缩格式
• Wave_write.setparams(tuple): tuple 应该是 (nchannels, sampwidth, framerate, nframes, comptype, compname), 每项的值应可用于 set*() 方法. 设置所有形参
• Wave_write.tell(): 返回当前文件指针, 其指针含义和` Wave_read.tell() 以及 Wave_read.setpos() 是一致的
• Wave_write.writeframesraw(data): 写入音频数据但不更新 nframes, 可接受任意 bytes-like object.
• Wave_write.writeframes(data): 写入音频帧并确保 nframes 是正确的. 如果输出流不可查找且在 data 被写入之后写入的总帧数与之前设定的 has been written does not match the previously set value for nframes 值不匹配将会引发错误

Note:

• 注意在调用 writeframes() 或 writeframesraw() 之后再设置任何格式参数是无效的, 而且任何这样的尝试将引发 wave.Error.

wave 使用示例