python - 拆分/加入 mp3 时 pydub 音频故障

Question

我正在尝试使用我非常喜欢的 pydub，但是我在拆分/合并 mp3 文件时遇到了问题。

我需要在服务器上生成一系列小的音频片段，这些片段将按顺序发送到网络浏览器并通过 <audio/> 播放元素。我需要音频播放是“无缝”的，各个片段之间没有听得见的连接。然而目前，各​​个音频位之间的连接非常明显，有时会出现短暂的静默，有时会出现奇怪的音频故障。

在我的概念验证代码中，我采用了一个大的 mp3 并将其分成 1 秒的 block ，如下所示:

song = AudioSegment.from_mp3('my.mp3')
song_pos = 0
while song_pos < 100:
    p1 = song_pos * 1000
    p2 = p1 + 1000

    segment = song[p1:p2] # 1 second of audio

    output = StringIO.StringIO()
    segment.export(output, format="mp3")
    client_data = output.getvalue() # send this to client

    song_pos += 1

client_data 值通过长期存在的 http 连接流式传输到浏览器:

socket.send("HTTP/1.1 200 OK\r\nConnection: Keep-Alive\r\nContent-Type: audio/mp3\r\n\r\n")

然后对于每个新的音频 block

socket.send(client_data)

谁能解释我听到的故障，并提出消除这些故障的方法？

Answer 1

将我的评论升级为答案:

主要问题是 ffmpeg 使用的 MP3 编解码器会在编码音频的末尾添加静音(并且您的方法是生成多个单独的音频文件)。

如果可能，请使用 wave 等无损格式，然后使用 gzip 或类似工具减小文件大小。您也可以使用无损音频压缩(例如 flac)，但这可能取决于编码器的工作方式。

对于您听到的杂音，我没有确凿的解释，但可能是您在信号不为零的位置分割音频。如果声音以值为 100 的样本开始(例如)，则听起来像是数字爆音。 MP3 压缩也可能会改变声音，尤其是在较低的比特率下。如果这是问题所在，1 毫秒的淡入将消除爆音而不会出现明显的“淡入淡出”(尽管可能会引入其他伪影)- 更长的淡入(例如 20 或 50 毫秒会避免奇怪的频域伪影，但会引入明显的“淡入”。

如果您愿意多做一点(编码)工作，您可以搜索“零交叉”(基本上，信号自然处于零点的地方)并在那里分割音频。

可能是最好的方法:

将整个信号编码为单个压缩文件，并将(该文件的)字节以 block 的形式发送到客户端，以便作为单个流播放。如果您使用恒定比特率 mp3 编码 (CBR)，您只需计算字节数就可以发送几乎完美的 1 秒长 block 。例如，使用 256kbps CBR，一次只需发送 256KB。