Python音频处理库pydub的使用教程详解

1. 安装

使用pip安装即可(还需安装ffmpeg依赖,建议使用conda命令安装,则不需要配置环境):

pip install pydub

2. 导入和读取音频文件

from pydub import AudioSegment
audio = AudioSegment.from_file("path/to/file")

3. 播放音频

from pydub.playback import play
play(audio)

4. 音频时长

duration = audio.duration_seconds # 单位为秒

5. 音频切割

# 前10秒
audio = audio[:10000]

# 后10秒
audio = audio[-10000:]

# 从第10秒开始到第20秒结束
audio = audio[10000:20000]

# 从第10秒开始到结尾
audio = audio[10000:]

# 从开始到第10秒audio = audio[:10000]

6. 音频合并

audio1 = AudioSegment.from_file("path/to/file1")
audio2 = AudioSegment.from_file("path/to/file2")
audio_combined = audio1 + audio2

7. 音频转换

audio.export("path/to/new/file", format="mp3")

8. 调整音量

# 增加10分贝
louder_audio = audio + 10

# 减小10分贝
quieter_audio = audio - 10

9. 等分分割音频

# 等分分割,按大概每三分钟进行分割
for i in range(1, 1000):
 if 3.3 >= (audio.duration_seconds / (60 * i)) >= 2.8:
 number = i
 break
chunks = audio[::int(audio.duration_seconds / number * 1000 + 1)] # 切割

# 保存分割后的音频
for i, chunk in enumerate(chunks):
 chunk.export("path/to/new/file{}.wav".format(title,i), format="wav")

10. 完整代码

下面是一段完整的代码,用于对音频进行前后切割,并将音频分割成合适长度的小段进行保存。

from pydub import AudioSegment

# 读取音频文件
audio = AudioSegment.from_file("path/to/file")

# 输出视频时长
print('视频时长:', audio.duration_seconds / 60)

# 前后切割
start = int(input('前切割n秒,不切割输入0'))*1000
end = int(input('后切割n秒,不切割输入0'))*1000
if start:
 audio = audio[start:-end]

# 计算合适的分割长度
for i in range(1, 1000):
 if 3.3 >= (audio.duration_seconds / (60 * i)) >= 2.8:
 number = i
 break
chunks = audio[::int(audio.duration_seconds / number * 1000 + 1)] 
# 保存分割后的音频
for i, chunk in enumerate(chunks):
 print('分割后的时长:', chunk.duration_seconds / 60)
 chunk.export("path/to/new/file{}.wav".format(i), format="wav")

以上就是pydub的主要知识点和一个完整的实例。通过pydub,我们可以方便地对音频进行处理和转换,让我们的音频处理更加高效和便捷。
另外,下面还列举了一些pydub的其他应用案例。

应用案例

1. 将音频文件转换为指定格式

from pydub import AudioSegment

# 读取音频文件
audio = AudioSegment.from_file("path/to/file")

# 转换为mp3格式并保存
audio.export("path/to/new/file.mp3", format="mp3")

2. 将多个音频文件合并为一个文件

from pydub import AudioSegment

# 读取音频文件
audio1 = AudioSegment.from_file("path/to/file1")
audio2 = AudioSegment.from_file("path/to/file2")

# 合并音频文件并保存
combined_audio = audio1 + audio2
combined_audio.export("path/to/new/file", format="wav")

3. 制作铃声

from pydub import AudioSegment

# 读取音频文件
audio = AudioSegment.from_file("path/to/file")

# 切割并保存
start = 10000
end = 15000
ringtone = audio[start:end]
ringtone.export("path/to/new/file", format="mp3")

4. 调整音频音量

from pydub import AudioSegment

# 读取音频文件
audio = AudioSegment.from_file("path/to/file")

# 增加10分贝
louder_audio = audio + 10

# 减小10分贝
quieter_audio = audio - 10

# 保存调整后的音频
louder_audio.export("path/to/new/file", format="wav")
quieter_audio.export("path/to/new/file", format="wav")

案例:通过识别空白音,分割音频中的歌曲

from pydub import AudioSegment
from pydub.silence import split_on_silence

# 读取音频文件
audio = AudioSegment.from_file("audio.mp3", format="mp3")

# 设置分割参数
min_silence_len = 700 # 最小静音长度
silence_thresh =-10 # 静音阈值,越小越严格
keep_silence = 600 # 保留静音长度

# 计算分割数量
num_segments = int(audio.duration_seconds/60/3) # 每首歌曲大概三分钟,计算歌曲数量

# 分割音频文件
for i in range(-10, 0):
 segments = split_on_silence(audio, min_silence_len=min_silence_len, silence_thresh=i, keep_silence=keep_silence)
 if len(segments) <= num_segments:
 print(f"分割成功,共分割出 {len(segments)} 段")
 break
 else:
 print(f"当前阈值为 {i},分割出 {len(segments)} 段,继续尝试")

首先,我们使用AudioSegment.from_file()方法读取音频文件,并设置分割参数min_silence_len、silence_thresh和keep_silence分别表示最小静音长度、静音阈值和保留静音长度。其中,静音阈值越小,分割出的小段越多,但可能会出现误分割的情况;反之,静音阈值越大,分割出的小段越少,但可能会出现漏分割的情况。

然后,我们计算分割数量num_segments,即将音频文件分割成多少段。这里我们假设每首歌曲大概三分钟,计算出总共需要分割成多少段。

最后,我们使用split_on_silence()方法对音频文件进行分割,设置分割参数,并通过循环来不断调整静音阈值,直到分割出的小段数量符合预期为止。如果分割成功,则跳出循环;否则,继续尝试。

总而言之,pydub是一个非常实用的音频处理库,可以方便地进行音频处理、转换、合并等操作。同时,pydub还有丰富的应用场景,如制作铃声、调整音量等。值得注意的是,在使用pydub的过程中,需要注意音频格式的兼容性问题。

此外,还可以通过pydub对音频进行编解码、混音、重采样等操作。下面是一些常见的操作示例。

编解码、混音、重采样

1. 编解码

from pydub import AudioSegment

# 读取音频文件
audio = AudioSegment.from_file("path/to/file")

# 编码
encoded_audio = audio.set_frame_rate(16000).set_sample_width(2).set_channels(1)

# 解码
decoded_audio = encoded_audio.set_frame_rate(44100).set_sample_width(4).set_channels(2)

2. 混音

from pydub import AudioSegment

# 读取音频文件
audio1 = AudioSegment.from_file("path/to/file1")
audio2 = AudioSegment.from_file("path/to/file2")

# 混音
mixed_audio = audio1.overlay(audio2)

# 保存混音后的音频
mixed_audio.export("path/to/new/file", format="wav")

3. 重采样

from pydub import AudioSegment

# 读取音频文件
audio =AudioSegment.from_file("path/to/file")

# 重采样为44100Hz
resampled_audio = audio.set_frame_rate(44100)

# 保存重采样后的音频
resampled_audio.export("path/to/new/file", format="wav")

通过pydub,我们可以方便地进行音频编解码、混音、重采样等操作,进一步扩展了pydub的应用场景。需要注意的是,在进行音频混音操作时,需要保证两个音频文件的采样率、采样位数和声道数相同。

最后,总结一下pydub的优点和缺点。

优点:

轻量级:pydub是一个轻量级的音频处理库,安装方便,使用简单。

功能丰富:pydub提供了丰富的音频处理功能,包括切割、合并、转换、调整音量、编解码、混音、重采样等。

应用广泛:pydub的应用场景非常广泛,包括音频处理、铃声制作、音频格式转换、语音识别等等。

缺点:

对格式的兼容性有限:pydub对音频格式的兼容性有限,不支持所有的音频格式,需要先将音频转换为支持的格式后才能进行处理。

性能一般:pydub在处理大文件时,性能可能会比较一般,需要耗费一定的时间和计算资源。

不支持流式处理:pydub不支持流式处理,需要将整个音频文件读取到内存中,导致内存占用较大。

综上所述,pydub是一个功能丰富、应用广泛的音频处理库。在使用pydub时,需要注意音频格式的兼容性问题,并注意处理大文件时的性能和内存占用。如果需要处理更复杂的音频任务,可以考虑使用其他更专业的音频处理库。

总结

博客介绍了如何使用Python的pydub库将音频文件分割成多个小段。我们首先读取音频文件,然后设置分割参数,并计算分割数量。最后,通过循环来不断调整静音阈值,直到分割出的小段数量符合预期为止。这种方法可以用于对音频进行处理和分析,例如语音识别、音乐推荐等。

需要注意的是,音频分割的效果受到分割参数的影响,需要根据具体情况进行调整。另外,分割出的小段可能存在误分割和漏分割的情况,需要进行后续的检查和处理。

作者:黄昏中起飞的猫头鹰原文地址:https://blog.csdn.net/qq_20163065/article/details/129652727

%s 个评论

要回复文章请先登录注册