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
深度学习实战训练营32 分钟前
基于CNN-RNN的影像报告生成
人工智能·深度学习
昨日之日20062 小时前
Moonshine - 新型开源ASR(语音识别)模型,体积小,速度快,比OpenAI Whisper快五倍 本地一键整合包下载
人工智能·whisper·语音识别
浮生如梦_3 小时前
Halcon基于laws纹理特征的SVM分类
图像处理·人工智能·算法·支持向量机·计算机视觉·分类·视觉检测
深度学习lover3 小时前
<项目代码>YOLOv8 苹果腐烂识别<目标检测>
人工智能·python·yolo·目标检测·计算机视觉·苹果腐烂识别
热爱跑步的恒川3 小时前
【论文复现】基于图卷积网络的轻量化推荐模型
网络·人工智能·开源·aigc·ai编程
阡之尘埃5 小时前
Python数据分析案例61——信贷风控评分卡模型(A卡)(scorecardpy 全面解析)
人工智能·python·机器学习·数据分析·智能风控·信贷风控
孙同学要努力7 小时前
全连接神经网络案例——手写数字识别
人工智能·深度学习·神经网络
Eric.Lee20217 小时前
yolo v5 开源项目
人工智能·yolo·目标检测·计算机视觉
其实吧39 小时前
基于Matlab的图像融合研究设计
人工智能·计算机视觉·matlab
丕羽9 小时前
【Pytorch】基本语法
人工智能·pytorch·python