python調用pyaudio使用麥克風錄製wav聲音文件



pythonpyaudio可以進行錄音,播放,生成wav文件等等,WAVE是錄音時用的標準的WINDOWS文件格式,文件的擴展名爲WAV,數據本身的格式爲PCM或壓縮型,屬於無損音樂格式的一種。在我們研究語音識別,自然語言處理的過程中,常常會使用到它,比如我們調用百度語音識別所以我們首先研究一下pyaudio庫的安裝與使用。

安裝:

pip install pyaudio

調用pyaudio使用麥克風錄製聲音:

python中的pyaudio庫可以直接通過麥克風錄製聲音,我們可以通過調用該庫,獲取到wav測試語音。 具體代碼如下所示:

#!/usr/bin/python3
# -*- coding: utf-8 -*-

from pyaudio import PyAudio, paInt16 
import numpy as np 
from datetime import datetime 
import wave

class recoder:
    NUM_SAMPLES = 2000      #pyaudio內置緩衝大小
    SAMPLING_RATE = 8000    #取樣頻率
    LEVEL = 500         #聲音保存的閾值
    COUNT_NUM = 20      #NUM_SAMPLES個取樣之內出現COUNT_NUM個大於LEVEL的取樣則記錄聲音
    SAVE_LENGTH = 8         #聲音記錄的最小長度:SAVE_LENGTH * NUM_SAMPLES 個取樣
    TIME_COUNT = 60     #錄音時間,單位s

    Voice_String = []



    def savewav(self,filename):
        wf = wave.open(filename, 'wb') 
        wf.setnchannels(1) 
        wf.setsampwidth(2) 
        wf.setframerate(self.SAMPLING_RATE) 
        wf.writeframes(np.array(self.Voice_String).tostring()) 
        # wf.writeframes(self.Voice_String.decode())
        wf.close() 

    def recoder(self):
        pa = PyAudio() 
        stream = pa.open(format=paInt16, channels=1, rate=self.SAMPLING_RATE, input=True, 
            frames_per_buffer=self.NUM_SAMPLES) 
        save_count = 0 
        save_buffer = [] 
        time_count = self.TIME_COUNT

        while True:
            time_count -= 1
            # print time_count
            # 讀入NUM_SAMPLES個取樣
            string_audio_data = stream.read(self.NUM_SAMPLES) 
            # 將讀入的數據轉換爲數組
            audio_data = np.fromstring(string_audio_data, dtype=np.short)
            # 計算大於LEVEL的取樣的個數
            large_sample_count = np.sum( audio_data > self.LEVEL )
            print(np.max(audio_data))
            # 如果個數大於COUNT_NUM,則至少保存SAVE_LENGTH個塊
            if large_sample_count > self.COUNT_NUM:
                save_count = self.SAVE_LENGTH 
            else: 
                save_count -= 1

            if save_count < 0:
                save_count = 0 

            if save_count > 0 : 
            # 將要保存的數據存放到save_buffer中
                #print  save_count > 0 and time_count >0
                save_buffer.append( string_audio_data ) 
            else: 
            #print save_buffer
            # 將save_buffer中的數據寫入WAV文件,WAV文件的文件名是保存的時刻
                #print "debug"
                if len(save_buffer) > 0 : 
                    self.Voice_String = save_buffer
                    save_buffer = [] 
                    print("Recode a piece of  voice successfully!")
                    return True
            if time_count==0: 
                if len(save_buffer)>0:
                    self.Voice_String = save_buffer
                    save_buffer = [] 
                    print("Recode a piece of  voice successfully!")
                    return True
                else:
                    return False

if __name__ == "__main__":
    r = recoder()
    r.recoder()
    r.savewav("test.wav") 




原創文章,轉載請註明 :python調用pyaudio使用麥克風錄製wav聲音文件用於pytorch語音識別以及Mac/Ubuntu安裝pyaudio教程 - pytorch中文網
原文出處: https://ptorch.com/news/84.html
問題交流羣 :168117787



發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章