Python音频处理利器：pydub详解

pydub是Python的一个音频处理库，可以处理各种音频格式，如mp3、wav、flv等等。它是一个轻量级、快速且易于使用的库。silence库是pydub的一个扩展库，可以在音频文件中根据静默部分进行分割，非常方便。

1 pydub安装

pip install pydub

2  pydub模块使用

2.1 打开音频文件

from pydub import AudioSegment

# 打开wav格式音频文件
sound = AudioSegment.from_wav('./soundfile.wav')

# 打开mp3音频文件，AudioSegment原生只支持wav，raw文件，安装ffmpeg可支持其所有格式
sound = AudioSegment.from_mp3('./soundfile.mp3')

# 打开音频文件，生成AudioSegment对象
sound = AudioSegment.from_file('./soundfile.mp3')	# format默认值为"mp3"
sound = AudioSegment.from_file('./soundfile.wav', format='wav')

# 打开raw文件需要额外参数，sample_width（采样位数），frame_rate（采样频率），channels（声通道）
# sample_width: 1、8bit，2、16bit，3、32bit
# frame_rate: 44100(44.1kHz CD audio), 48000(48kHz DVD audio)
# channels: 1、单声道，2、立体声
sound = AudioSegment.from_file('./soundfile.raw', format='raw', frame_rate=44100, channels=2, sample_width=2)

2.2 导出音频文件

sound = AudioSegment.from_file('./soundfile.wav', format='wav')

# 导出音频文件
sound.export('./outputsoundfile.mp3', format='mp3')

2.3 创建音频文件

# 生成一个时间长度为0秒的AudioSegment对象，一般用于多个音频合并
sound = AudioSegment.empty()

# 生成一个时间长度为5秒的无声AduioSegment对象
# 参数duration:时间长度（毫秒），frame_rate:频率，默认为11025Hz
sound = AudioSegment.silent(duration=50000)

2.4 合并音频文件

# 两个单声道音频合并为一个多声道音频
left_channel = AudioSegment.from_wav('sound_left.wav')
right_channel = AudioSegment.from_wav('sound_right.wav')
stereo_sound = AudioSegment.from_mono_auidosegments(left_channel,right_channel)
# 将多声道音频分解成两个单声道
sound = AudioSegment.from_wav('sound.wav')
sound.split_to_mono()


# 两个音频文件合并为一个音频文件
sound1 = AudioSegment.from_file('sound1.wav', format='wav')
sound2 = AudioSegment.from_file('sound2.wav', format='wav')
# 无交叉淡入淡出
sound = sound1 + sound2
# OR
sound = sound1.append(sound2, crossfade=0)
# 淡入淡出，参数crossfade:效果持续时间，默认100毫秒
sound = sound1.append(sound2, crossfade=100) 


# 两个音频文件叠加为一个音频文件
# 例，长音频sound1，30s
sound1 = AudioSegment.from_file('sound1.wav', format='wav')
# 例，短音频sound2，10s
sound2 = AudioSegment.from_file('sound2.wav', format='wav')
# 将sound2叠加至sound1上，参数postions:从sound1音频10秒处开始叠加，默认为0，得到的音频文件，会从10秒处开始出现sound2音频，20秒处sound2音频结束，只余sound1音频
sound = sound1.overlay(sound2, postions=10000)
# 将sound2叠加至sound1上，参数loop:开启循环，默认为Fasle，得到的音频文件sound2将会循环播放至sound1结束
sound = sound1.overlay(sound2, loop=true)
# 将sound2叠加至sound1上，参数times:重复次数，默认为1，得到的音频文件sound2将会重复两次，在两个sound2的时间结束sound2音频
sound = sound1.overlay(sound2, times=2)
# 将sound1叠加至sound2上，10秒后sound2音频结束，sound1音频截断至10s结束，最终该音频长度只有10s，即
sound = sound2.overlay(sound1)
len(sound) == sound2

2.5 音频文件信息

sound = AudioSegment.from_file('soundfile.wav', format='wav')

# 声道数
schannel = sound.channels

# 采样位数，也称位深度，是指每个采样样本所包含的位数（字节数），通常有8 bit、16 bit
sbytes = sound.sample_width

# 采样频率，也称采样率，是指在单位时间内对声音信号的采样数或样本数，采样频率越能高表现的频率范围越大（电话：8kHZ，无线电广播：22.05kHz，CD：44.1kHz，DVD：48kHZ，蓝光：96kHz，192kHz）
srate = sound.frame_rate

# 帧位数, 帧包含每个声道的采样位数frame_width = channels * sample_width
sframebytes = sound.frame_width

# 音频文件帧数, 可选参数ms:时间长度，默认None
sframe = sound.frame_count()

# 音频文件时长，单位秒
stime = sound.duration_seconds
# OR
stime = (len(sound) / 1000)

2.6 处理音频文件

sound = AudioSegment.from_file('soundfile.wav', format='wav')

# 音频前5秒，pydub中时间以毫秒（ms）为单位
audio_begin = sound[:5000]
# 音频后5秒，pydub中时间以毫秒（ms）为单位
audio_end = sound[-5000:]

# 改变音频幅度，以分贝（dB）为单位
# 调高幅度
raise_via = sound.apply_gain(+5)
raise_via = sound + 5
# 调低音量
lower_via = sound.apply_gain(-5)
lower_via = sound - 5

# 淡入淡出效果
# 淡入，参数duration:持续时间
sound.fade_in(duration=5000)
# 淡出，参数duration:持续时间
sound.fade_out(duration=5000)

# 倒放音频文件
newsound = sound.reverse()

2.7 播放音频文件

from pydub import playback
from pydub import AduioSegment
from pydub.playback import play

sound = AduioSegment.from_wav('sound.wav')

# 播放音频
play(sound)

2.8 分割音频

from pydub import utils
from pydub import AudioSegment
from pydub.utils import make_chanks

sound = AduioSegment.from_wav('sound.wav')

# 分割音频, 参数chunk_length:一段音频多长时间
make_chanks(sound, chunk_length=5000)

3 使用pydub根据静音分割音频

代码首先使用AudioSegment类从audio.mp3文件中读取音频数据，然后设置了分割参数min_silence_len、silence_thresh和keep_silence。min_silence_len是最小静音长度，silence_thresh是静音阈值，keep_silence是保留静音长度。这些参数的具体含义可以根据实际情况进行调整。最后，根据分割参数使用split_on_silence函数对音频文件进行分割。

from pydub import AudioSegment
from pydub.silence import split_on_silence

# 读取音频文件
audio = AudioSegment.from_file("D:/dataset/lyb01.wav", format="wav")

# 设置分割参数
min_silence_len = 300  # 最小静音长度
silence_thresh = -50  # 静音阈值，越小越严格
keep_silence = 200  # 保留静音长度

# 分割音频文件
segments = split_on_silence(audio, min_silence_len=min_silence_len, silence_thresh=silence_thresh,
                            keep_silence=keep_silence)

for idx in range(len(segments)):
    segments[idx].export(f'wav_{idx:04}.wav')

运行结果显示：

[, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ]