ToB企服应用市场:ToB评测及商务社交产业平台

标题: 音频录制及可视化处理 [打印本页]
作者: 去皮卡多    时间: 2024-7-11 22:26
标题: 音频录制及可视化处理
1.导入数据库
  1. import pyaudio
  2. import wave
  3. import librosa
  4. import librosa.display
  5. import matplotlib.pyplot as plt
  6. import numpy as np
  7. from IPython.display import Audio # IPython提供了播放音频的工具
复制代码
librosa数据库功能先容：
librosa 是一个用于音乐和音频分析的Python库，它是开源的，而且专门设计用于处理音频信号。librosa 提供了一系列用于音频和音乐处理的功能，包括但不限于：
具体查看
  1. [1] 读取和写入音频文件：支持多种音频文件格式，如WAV、MP3、FLAC等。
  3. [2] 特征提取：能够计算音频信号的各种特征，如梅尔频率倒谱系数（MFCCs）、光谱对比度、音高检测等。
  5. [3] 时频分析：提供短时傅里叶变换（STFT）等时频分析工具。
  7. [4] 音频处理：包括滤波、重采样、节拍检测等。
  9. [5] 音频合成：可以从特征或频谱中重建音频信号。
  11. [6] 音乐信息检索：如音乐流派分类、音乐情绪识别等。
  13. [7]音频可视化：提供了多种音频和音乐数据的可视化工具。
复制代码
librosa.display模块功能先容：
librosa.display 是 librosa 库中的一个模块，它提供了一系列用于可视化音频和音乐数据的函数和工具。这些工具可以帮助用户更直观地理解音频信号的特性和分析效果。使用 librosa.display 举行可视化时，通常需要先通过 librosa 计算音频的特征，然后使用 librosa.display 函数将这些特征绘制成图形。以下是一些librosa.display 模块中常用的功能：
具体查看
  1. [1] waveshow()：绘制音频信号的波形图
  3. >> librosa.display.waveshow(y, sr=sr)
  5. [2] specshow()：显示频谱图，通常用于展示音频的频率内容，如梅尔频谱图
  7. >> librosa.display.specshow(data, x_axis='time', y_axis='mel', fmax=None, x_max=None, sr=sr)，其中 data 可以是功率谱、梅尔频谱等
  9. [3] chroma() 或 chroma_cqt()：绘制色谱图，展示音频的色度特征
  11. >> librosa.display.specshow(librosa.chroma_cqt(y=y, sr=sr), y_axis='chroma')
  13. [4] tonnetz()：绘制音频的 Tonnetz 表示，这是一种音乐理论中用于描述音高关系的工具
  15. >> librosa.display.specshow(librosa.tonnetz(y=y, sr=sr), y_axis='tonnetz')
  17. [5] pianoroll()：绘制钢琴卷帘图，展示音频中各个音符的激活情况
  19. >> librosa.display.specshow(librosa.pianoroll(y, sr=sr), x_axis='time')
  21. [6] 颜色映射和自定义：librosa.display 还允许用户自定义颜色映射和其他视觉元素，以更好地适应不同的可视化需求
  23. >> cmap = plt.get_cmap('magma')  获取颜色映射
  25. >> librosa.display.specshow(data, cmap=cmap)
  27. [7]设置坐标轴：可以设置频率、时间或其他自定义轴
  29. >> librosa.display.specshow(data, x_axis='time', y_axis='mel')
复制代码
matplotlib数据库功能先容：
matplotlib 是一个 Python 的绘图库，广泛用于数据可视化。它提供了一个类似于 MATLAB 的绘图框架，使得用户可以轻松地创建各种静态、交互式和动绘图表。matplotlib 特别得当用于天生出书质量的图表，而且支持多种输特别式，包括 PNG、PDF、SVG 等。以下是 matplotlib 的一些关键特性：
具体查看
  1. [1]多维数据绘图：可以轻松地绘制多维数据集。
  3. [2]多种图表类型：支持折线图、散点图、柱状图、饼图、直方图、箱线图等多种图表类型。
  5. [3]自定义图表：用户可以自定义图表的几乎每个方面，包括颜色、线型、标记、文字、图例、标题等。
  7. [4]交互式工具：提供了交互式工具，如缩放、平移、旋转等。
  9. [5]动画支持：可以创建动画图表，展示数据随时间的变化。
  11. [6]多种输出格式：支持多种输出格式，包括图片文件、PDF、SVG 等。
  13. [7]与其它库集成：可以与 numpy、pandas、scipy 等科学计算库紧密集成。
  15. [8]Web 后端支持：matplotlib 还支持 Web 后端，如通过 WebAgg 后端在浏览器中显示图表。
  17. [9]样式和主题：可以通过内置的样式或自定义主题来改变图表的外观。
  19. [10]工具栏：提供了一个工具栏，方便进行图表的交互操作。
复制代码
IPython.display模块功能先容：
IPython.display 是 IPython 库中的一个模块，它提供了一组用于在 IPython 情况中展示数据和媒体内容的类和函数。IPython 是一个交互式 Python 解释器，广泛用于科学计算、数据分析和研究。IPython.display 模块答应用户在 IPython 条记本（如 Jupyter Notebook）中展示各种类型的数据和媒体，包括 HTML、图片、视频、音频、Latex 公式等。以下是 IPython.display 模块的一些常勤奋能：
具体查看
  1. [1]展示图片：** from IPython.display import Image >> display(Image('path_to_image.jpg'))
  3. [2]展示 HTML 内容：** from IPython.display import HTML >> display(HTML('<b>Hello, World!</b>'))
  5. [3]展示 LaTeX 公式：** from IPython.display import Latex >> display(Latex(r'f(x) = \int_{-\infty}^\infty e^{-x^2} dx'))
  7. [4]展示音频：** from IPython.display import Audio >> display(Audio('path_to_audio_file.wav'))
  9. [5]展示视频：** from IPython.display import Video >> display(Video('path_to_video_file.mp4'))
  11. [6]展示 JSON 数据：** from IPython.display import JSON >> display(JSON({'key': 'value'}))
  13. [7]展示纯文本：** from IPython.display import display, Text >> display(Text('Hello, World!'))
  15. [8]展示 Markdown：** from IPython.display import Markdown >> display(Markdown('# Markdown Header'))
  17. [9]清除输出：** from IPython.display import clear_output >> clear_output()
复制代码
2.录制音频
  1. FORMAT = pyaudio.paInt16  # 音频格式
  2. CHANNELS = 1  # 声道数，1表示单声道
  3. RATE = 44100  # 采样率，单位Hz
  5. # 初始化PyAudio
  6. audio = pyaudio.PyAudio()
  8. # 打开音频流
  9. stream = audio.open(format=FORMAT,channels=CHANNELS,rate=RATE,input=True,frames_per_buffer=1024)
  11. # 创建一个空的列表来存储录制的音频帧
  12. frames = []
  14. print("录制中，按'q'结束...")
  15. try:
  16.     while True:
  17.         data = stream.read(1024) # 读取音频数据
  18.         frames.append(data) # 将音频数据添加到列表中
  19. except KeyboardInterrupt: # 手动结束录音，按'q'退出
  20.     print("\n录制结束.")
  22. # 停止并关闭音频流
  23. stream.stop_stream()
  24. stream.close()
  25. audio.terminate()
  27. # 将录制的音频数据写入wav文件
  28. filename = "recording.wav"
  29. with wave.open(filename, 'wb') as wf:
  30.     wf.setnchannels(CHANNELS)
  31.     wf.setsampwidth(audio.get_sample_size(FORMAT))
  32.     wf.setframerate(RATE)
  33.     wf.writeframes(b''.join(frames))
  35. print(f"录音保存为 {filename}")
复制代码
输出效果展示：
录制中，按'q'结束...
录制结束.
录音生存为 recording.wav
3.录音文件回放
  1. audio_path = r'path_to_audio_file.wav'
  2. audio,sr = librosa.load(audio_path,sr=25600) #返回两个参数，振幅矩阵和采样率
  4. Audio(audio_path) # 播放音频
复制代码
输出效果展示为录音回放（编辑器无法展示，这里只作截图展示），如下：

4.时域波形
  1. plt.figure(figsize = (18,6))
  2. librosa.display.waveshow(audio,sr=25600)
  3. plt.xlabel('Time')
  4. plt.ylabel('Amplitude')
  5. plt.show()
复制代码
输出效果展示：

5.频谱图
  1. # 绘制频谱图
  2. ## 1.先进行傅里叶变换
  3. # numpy.fft.fft.(x,n=none,axis=-1,norm=none)
  4. # x：输入数组数据或信号
  5. # n：输出频率点数量，如果n＞x，则充0，如果n＜x，则被截断
  6. # axis：表示沿哪个轴进行FFT，常用多维数组
  7. # norm：指定FFT的规范形式
  8. audio_ft = np.fft.fft(audio)
  9. ## 2.绘图
  10. def plot_magnitude_spectrum(signal,sr,f_ratio=1):
  11.     x = np.fft.fft(signal) #快速傅里叶变换
  12.     x_mag = np.absolute(x) #取幅值
  14.     plt.figure(figsize = (18,5))
  16.     f = np.linspace(0,sr,len(x_mag)) # 创建[0,采样率]的等差数列
  17.     f_bins = int(len(x_mag)*f_ratio) # 条形块的数量
  19.     plt.plot(f[:f_bins],x_mag[:f_bins])
  20.     plt.xlabel('Frequency (Hz)')
  21. plot_magnitude_spectrum(audio_ft,sr,1)
复制代码
输出效果展示：
  1. # 展示局部结果
  2. plot_magnitude_spectrum(audio_ft,sr,0.01)
复制代码
输出效果展示：

6.时频图

展示两种时频图绘制方法：
方法一：
  1. from scipy.io import wavfile
  2. from scipy.signal import spectrogram
  4. # 加载音频文件
  5. sample_rate, data = wavfile.read(audio_path)
  7. # 确保音频数据是一维的（单声道）
  8. if len(data.shape) == 2:
  9.     data = data.mean(axis=1)
  11. # 计算频谱
  12. f, t, Sxx = spectrogram(data, fs=sample_rate)
  14. # 将功率谱转换为10倍对数
  15. Sxx_dB = 10 * np.log10(Sxx)
  17. # 绘制倍频程图
  18. plt.figure(figsize=(10, 6))
  19. plt.pcolormesh(t, f, Sxx_dB, shading='gouraud')
  20. plt.title('Audio Octave Frequency Plot')
  21. plt.xlabel('Time (seconds)')
  22. plt.ylabel('Frequency (Hz)')
  23. plt.colorbar(label='Power (dB)')
  24. plt.show()
复制代码
输出效果展示：

方法二：
  1. # 绘制音频频谱图
  2. plt.figure(figsize=(10,6))
  3. librosa.display.specshow(librosa.amplitude_to_db(librosa.stft(audio)), y_axis='log', x_axis='time')
  4. plt.colorbar(format='%2.0f dB')
  5. plt.title('Spectrogram')
  6. plt.xlabel('Time(s)')
  7. plt.ylabel('f (Hz)')
  8. plt.show()
复制代码
输出效果展示：

最后：
文中频率分析效果看起来有些题目，因作者水平有限，还未解决。频谱分析的角度比较广泛，后续会尝试参加倍频谱、计权分析，同时将每个模块代码写成函数，也会尝试写入GUI。

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。



欢迎光临 ToB企服应用市场:ToB评测及商务社交产业平台 (https://dis.qidao123.com/) Powered by Discuz! X3.4