如何正确处理音频数据：16位整数与32位浮点数

在音频处理领域，音频数据的格式对后续的分析和处理至关重要。常见的音频格式包括16位整数和32位浮点数。本文将介绍如何正确处理这两种格式的音频数据，包括使用 scipy.io.wavfile 读取音频、使用 librosa 进行处理，以及使用 soundfile（sf）写入音频文件。

1. 16位整数音频

1.1 读取音频

16位整数音频通常以 int16 格式存储。使用 scipy.io.wavfile 读取音频文件时，返回的数据类型为 numpy.int16。

python 复制代码

import numpy as np
from scipy.io import wavfile

# 读取 WAV 文件
sample_rate, audio_data = wavfile.read('your_audio_file_16bit.wav')

# 打印数据类型和范围
print(f'Data type: {audio_data.dtype}')
print(f'Data range: {audio_data.min()} to {audio_data.max()}')

1.2 处理音频

在使用 librosa 处理音频数据之前，需要将16位整数数据转换为浮点数格式，并归一化到 $-1, 1$ 的范围。

python 复制代码

import librosa

# 如果数据是整数格式（例如 int16），则需要归一化
if audio_data.dtype == np.int16:
    audio_data = audio_data.astype(np.float32) / 32768.0  # 归一化到 [-1, 1]

# 使用 librosa 进行处理
audio_data_processed = librosa.effects.preemphasis(audio_data)

1.3 写入音频

使用 soundfile 库将处理后的音频数据写入文件时，需要将浮点数数据转换回16位整数格式（如果需要）。

python 复制代码

import soundfile as sf

# 将浮点数数据转换为 int16
audio_data_int16 = (audio_data_processed * 32768).astype(np.int16)

# 写入 WAV 文件
sf.write('output_16bit.wav', audio_data_int16, sample_rate)

2. 32位浮点音频

2.1 读取音频

32位浮点音频通常以 float32 格式存储。使用 scipy.io.wavfile 读取音频文件时，返回的数据类型为 numpy.float32。

python 复制代码

# 读取 WAV 文件
sample_rate, audio_data = wavfile.read('your_audio_file_32bit.wav')

# 打印数据类型和范围
print(f'Data type: {audio_data.dtype}')
print(f'Data range: {audio_data.min()} to {audio_data.max()}')

2.2 处理音频

32位浮点音频数据通常已经在 $-1, 1$ 的范围内，因此可以直接使用 librosa 进行处理。

python 复制代码

# 使用 librosa 进行处理
audio_data_processed = librosa.effects.preemphasis(audio_data)

2.3 写入音频

使用 soundfile 库将处理后的音频数据写入文件时，可以直接写入浮点数数据。

python 复制代码

# 写入 WAV 文件
sf.write('output_32bit.wav', audio_data_processed, sample_rate)