無論是語音識別、語音合成還是音頻處理，錄音都是一個重要的步驟。Python是一門強大的編程語言，也被廣泛應用到音頻領域中。本文將全面闡述Python錄音相關知識，幫助讀者熟悉Python錄音的基本原理，以及如何實現錄音、轉換、保存和播放等功能。
一、Python錄音機
Python錄音機是一種針對Python語言的錄音機實現，能夠實現錄音、播放、存儲和轉換為文字等功能。下面將分別介紹這些功能。
二、Python錄音無聲時停止
在錄音過程中，我們可能會遇到錄製沒有聲音的情況。這時我們需要設置一個停止錄音的條件，否則錄音文件會非常大。
import pyaudio
import numpy as np
CHUNK = 1024
FORMAT = pyaudio.paInt16
CHANNELS = 1
RATE = 16000
THRESHOLD = 50
p = pyaudio.PyAudio()
stream = p.open(format=FORMAT,
channels=CHANNELS,
rate=RATE,
input=True,
frames_per_buffer=CHUNK)
print("recording...")
frames = []
while True:
data = stream.read(CHUNK)
audio_data = np.frombuffer(data, dtype=np.int16)
if audio_data.max() > THRESHOLD:
frames.append(data)
else:
break
print("finished recording")
stream.stop_stream()
stream.close()
p.terminate()
三、Python錄音代碼
使用Python錄音機時，我們需要編寫一些基本的Python代碼。下面是一個簡單的代碼示例，實現了錄音和停止錄音兩個基本功能。
import pyaudio
import wave
CHUNK = 1024
FORMAT = pyaudio.paInt16
CHANNELS = 1
RATE = 16000
RECORD_SECONDS = 5
WAVE_OUTPUT_FILENAME = "output.wav"
p = pyaudio.PyAudio()
stream = p.open(format=FORMAT,
channels=CHANNELS,
rate=RATE,
input=True,
frames_per_buffer=CHUNK)
print("* recording")
frames = []
for i in range(0, int(RATE / CHUNK * RECORD_SECONDS)):
data = stream.read(CHUNK)
frames.append(data)
print("* done recording")
stream.stop_stream()
stream.close()
p.terminate()
wf = wave.open(WAVE_OUTPUT_FILENAME, 'wb')
wf.setnchannels(CHANNELS)
wf.setsampwidth(p.get_sample_size(FORMAT))
wf.setframerate(RATE)
wf.writeframes(b''.join(frames))
wf.close()
四、Python錄音轉化文字
語音識別是非常實用的功能，通過Python錄音模塊，將音頻數據轉換為文字信息，可以替代手動輸入的繁瑣過程。下面是一個示例代碼，使用了百度AI平台上的語音識別API。
# 安裝百度AI平台Python SDK
# pip install baidu-aip
import os
from aip import AipSpeech
APP_ID = 'your App ID'
API_KEY = 'your API Key'
SECRET_KEY = 'your Secret Key'
client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
def audio_to_text(file_path):
with open(file_path, 'rb') as fp:
audio_data = fp.read()
result = client.asr(audio_data, 'wav', 16000, {
'dev_pid': 1536,
})
if result['err_no'] == 0:
return result['result'][0]
return ''
file_path = 'your file path'
text = audio_to_text(file_path)
print(text)
五、Python錄音模塊
Python中有很多錄音模塊，每個模塊都有不同的優點和不足。下面是幾個常用的Python錄音模塊，供讀者參考。
- pyaudio: 它是Python中最流行的錄音模塊，可以跨平台使用，但需要安裝額外的依賴庫。
- sounddevice: 該模塊可以直接錄製聲音，並將其存儲為numpy數組。與pyaudio不同，它不需要額外的依賴庫。
- soundfile: 該模塊用於讀取和寫入音頻文件，支持多種格式。
- pydub: 該模塊用於音頻處理，支持讀取、寫入、剪輯和轉換音頻文件。
六、Python錄音存儲為文件
錄音後，我們可以將音頻數據存儲為特定格式的音頻文件。下面是一個示例代碼，將錄製的音頻保存為wav格式的文件。
import pyaudio
import wave
CHUNK = 1024
FORMAT = pyaudio.paInt16
CHANNELS = 1
RATE = 16000
RECORD_SECONDS = 5
WAVE_OUTPUT_FILENAME = "output.wav"
p = pyaudio.PyAudio()
stream = p.open(format=FORMAT,
channels=CHANNELS,
rate=RATE,
input=True,
frames_per_buffer=CHUNK)
print("* recording")
frames = []
for i in range(0, int(RATE / CHUNK * RECORD_SECONDS)):
data = stream.read(CHUNK)
frames.append(data)
print("* done recording")
stream.stop_stream()
stream.close()
p.terminate()
wf = wave.open(WAVE_OUTPUT_FILENAME, 'wb')
wf.setnchannels(CHANNELS)
wf.setsampwidth(p.get_sample_size(FORMAT))
wf.setframerate(RATE)
wf.writeframes(b''.join(frames))
wf.close()
七、Python錄音轉文字
調用第三方API將音頻數據轉換為文字是一種非常實用的功能，下面是一個示例代碼，將wav格式的音頻文件轉換為文字，並將結果保存到txt文件中。
# 安裝百度AI平台Python SDK
# pip install baidu-aip
import os
from aip import AipSpeech
APP_ID = 'your App ID'
API_KEY = 'your API Key'
SECRET_KEY = 'your Secret Key'
client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
def audio_to_text(file_path):
with open(file_path, 'rb') as fp:
audio_data = fp.read()
result = client.asr(audio_data, 'wav', 16000, {
'dev_pid': 1536,
})
if result['err_no'] == 0:
return result['result'][0]
return ''
file_path = 'your file path'
text = audio_to_text(file_path)
with open('output.txt', 'w', encoding='utf-8') as f:
f.write(text)
八、Python錄音播放
錄製的音頻數據可以通過Python播放出來，下面是一個示例代碼，使用PyAudio播放wav格式的音頻文件。
import pyaudio
import wave
CHUNK = 1024
wf = wave.open('your file path', 'rb')
p = pyaudio.PyAudio()
stream = p.open(format=p.get_format_from_width(wf.getsampwidth()),
channels=wf.getnchannels(),
rate=wf.getframerate(),
output=True)
data = wf.readframes(CHUNK)
while data:
stream.write(data)
data = wf.readframes(CHUNK)
stream.stop_stream()
stream.close()
p.terminate()
九、Python錄音過程中切分
對於一個較長的音頻文件，我們可能需要對其進行切分處理。下面是一個示例代碼，將錄音過程中的音頻文件按照時間戳切分為多個短音頻片段。
import pyaudio
import wave
import time
import os
CHUNK = 1024
FORMAT = pyaudio.paInt16
CHANNELS = 1
RATE = 16000
RECORD_SECONDS = 60
WAVE_OUTPUT_DIR = 'output'
if not os.path.exists(WAVE_OUTPUT_DIR):
os.makedirs(WAVE_OUTPUT_DIR)
p = pyaudio.PyAudio()
stream = p.open(format=FORMAT,
channels=CHANNELS,
rate=RATE,
input=True,
frames_per_buffer=CHUNK)
print("* recording")
frames = []
start_time = time.time()
for i in range(0, int(RATE / CHUNK * RECORD_SECONDS)):
data = stream.read(CHUNK)
frames.append(data)
if time.time() - start_time >= 10:
wf = wave.open(os.path.join(WAVE_OUTPUT_DIR, f'{time.time()}.wav'), 'wb')
wf.setnchannels(CHANNELS)
wf.setsampwidth(p.get_sample_size(FORMAT))
wf.setframerate(RATE)
wf.writeframes(b''.join(frames))
wf.close()
frames = []
start_time = time.time()
print("* done recording")
stream.stop_stream()
stream.close()
p.terminate()
總結
本文全面闡述了Python錄音相關知識，介紹了Python錄音機、Python錄音無聲時停止、Python錄音代碼、Python錄音轉化文字、Python錄音模塊、Python錄音存儲為文件、Python錄音轉文字、Python錄音播放、Python錄音過程中切分等方面的內容。讀者可以根據自己的需求，選擇相應的錄音模塊和調用API實現自己的錄音代碼。
原創文章，作者：小藍，如若轉載，請註明出處：https://www.506064.com/zh-tw/n/196841.html
微信掃一掃 
支付寶掃一掃 