gradio音频的初步处理函数

这三个函数都是用于处理音频文件的Python函数,它们分别用于从文件中读取音频、将音频数据写入文件以及将音频数据转换为16位整数格式的WAV文件。下面是对每个函数的解读和功能总结:

1. `audio_from_file(filename, crop_min=0, crop_max=100)`

**功能**:这个函数用于从指定的文件中读取音频,并可以选择性地裁剪音频的某个部分。

**参数**:

  • `filename`:音频文件的路径。

  • `crop_min`:裁剪开始的百分比,默认为0,表示从音频开始处裁剪。

  • `crop_max`:裁剪结束的百分比,默认为100,表示到音频结束处裁剪。

**用法**:

  • 首先尝试使用`AudioSegment.from_file`从文件中读取音频。

  • 如果文件不存在,则检查`ffprobe`是否存在,如果不存在则抛出异常,提示用户安装`ffmpeg`。

  • 如果提供了裁剪参数,根据这些参数裁剪音频。

  • 最后,将音频数据转换为NumPy数组,并根据音频的通道数调整数组的形状。

2. `audio_to_file(sample_rate, data, filename, format="wav")`

**功能**:这个函数用于将音频数据写入到指定的文件中。

**参数**:

  • `sample_rate`:音频的采样率。

  • `data`:音频数据,可以是NumPy数组。

  • `filename`:输出文件的路径。

  • `format`:输出文件的格式,默认为"wav"。

**用法**:

  • 如果指定的格式是"wav",则先调用`convert_to_16_bit_wav`函数将音频数据转换为16位整数格式。

  • 使用`AudioSegment`创建音频对象,并设置相应的采样率、样本宽度和通道数。

  • 使用`export`方法将音频数据导出到指定的文件中。

3. `convert_to_16_bit_wav(data)`

**功能**:这个函数用于将不同格式的音频数据转换为16位整数格式,这是WAV文件的标准格式之一。

**参数**:

  • `data`:原始音频数据的NumPy数组。

**用法**:

  • 根据`data`数组的数据类型,进行相应的转换操作。

  • 支持从`float`、`int`、`uint`等类型的数据转换为16位整数。

  • 如果数据类型已经是16位整数,则直接返回。

  • 如果数据类型无法自动转换,则抛出异常。

**总结**:

这三个函数提供了从读取音频文件、处理音频数据到写入音频文件的完整流程。它们可以处理多种数据类型,并确保最终的音频文件符合WAV格式的标准。使用这些函数时,需要确保已经安装了必要的库,如`numpy`和`pydub`,并且`ffmpeg`工具也应该安装在系统中。

def audio_from_file(filename, crop_min=0, crop_max=100):

try:

audio = AudioSegment.from_file(filename)

except FileNotFoundError as e:

isfile = Path(filename).is_file()

msg = (

f"Cannot load audio from file: `{'ffprobe' if isfile else filename}` not found."

  • " Please install `ffmpeg` in your system to use non-WAV audio file formats"

" and make sure `ffprobe` is in your PATH."

if isfile

else ""

)

raise RuntimeError(msg) from e

if crop_min != 0 or crop_max != 100:

audio_start = len(audio) * crop_min / 100

audio_end = len(audio) * crop_max / 100

audio = audio[audio_start:audio_end]

data = np.array(audio.get_array_of_samples())

if audio.channels > 1:

data = data.reshape(-1, audio.channels)

return audio.frame_rate, data

def audio_to_file(sample_rate, data, filename, format="wav"):

if format == "wav":

data = convert_to_16_bit_wav(data)

audio = AudioSegment(

data.tobytes(),

frame_rate=sample_rate,

sample_width=data.dtype.itemsize,

channels=(1 if len(data.shape) == 1 else data.shape[1]),

)

file = audio.export(filename, format=format)

file.close() # type: ignore

def convert_to_16_bit_wav(data):

Based on: https://docs.scipy.org/doc/scipy/reference/generated/scipy.io.wavfile.write.html

warning = "Trying to convert audio automatically from {} to 16-bit int format."

if data.dtype in [np.float64, np.float32, np.float16]:

warnings.warn(warning.format(data.dtype))

data = data / np.abs(data).max()

data = data * 32767

data = data.astype(np.int16)

elif data.dtype == np.int32:

warnings.warn(warning.format(data.dtype))

data = data / 65536

data = data.astype(np.int16)

elif data.dtype == np.int16:

pass

elif data.dtype == np.uint16:

warnings.warn(warning.format(data.dtype))

data = data - 32768

data = data.astype(np.int16)

elif data.dtype == np.uint8:

warnings.warn(warning.format(data.dtype))

data = data * 257 - 32768

data = data.astype(np.int16)

elif data.dtype == np.int8:

warnings.warn(warning.format(data.dtype))

data = data * 256

data = data.astype(np.int16)

else:

raise ValueError(

"Audio data cannot be converted automatically from "

f"{data.dtype} to 16-bit int format."

)

return data

相关推荐
artificiali2 小时前
Anaconda配置pytorch的基本操作
人工智能·pytorch·python
酱香编程,风雨兼程3 小时前
深度学习——基础知识
人工智能·深度学习
Lossya3 小时前
【机器学习】参数学习的基本概念以及贝叶斯网络的参数学习和马尔可夫随机场的参数学习
人工智能·学习·机器学习·贝叶斯网络·马尔科夫随机场·参数学习
#include<菜鸡>4 小时前
动手学深度学习(pytorch土堆)-04torchvision中数据集的使用
人工智能·pytorch·深度学习
程序员-杨胡广4 小时前
从0-1 用AI做一个赚钱的小红书账号(不是广告不是广告)
人工智能
AI进修生4 小时前
全新WordPress插件简化成功之路
人工智能·语言模型·自然语言处理
GG_Bond194 小时前
【项目设计】Facial-Hunter
服务器·人工智能
chnyi6_ya5 小时前
深度学习的笔记
服务器·人工智能·pytorch
知来者逆5 小时前
讨论人机交互研究中大语言模型的整合与伦理问题
人工智能·gpt·语言模型·自然语言处理·人机交互
i嗑盐の小F5 小时前
【IEEE出版,高录用 | EI快检索】第二届人工智能与自动化控制国际学术会议(AIAC 2024,10月25-27)
图像处理·人工智能·深度学习·算法·自然语言处理·自动化