python - 以单个频率值转换小型 WAV 文件 (PYTHON)

Question

我需要一个程序来将麦克风录制的音调转换为按键音。示例:如果有人用麦克风以 400hz 和 600hz 之间的频率唱歌，平均音调为 550hz，那么我将平均频率存储在 var 'tom' 中，然后按下键盘的“G”键。即使我是编程新手，我也搜索并想出了一种方法，通过在 python 语言中使用 Audiopy，通过录制小的 WAV 文件，我可以读取这些文件并获得一个数字作为平均频率，并使用这个数字和一些 ifs 和 elifs，按键(不难找到按键代码), 在一个巨大的 WHILE 中，在程序运行时重复这个过程，所以我会有说话的过程，阅读谈话会产生的小文件，然后根据语调转换成按键。

主要问题是我不知道如何转换我一直以单个平均频率录制的 WAV 文件。有人可以帮我吗？还是从大局出发？因为我知道这种方法不是很好。谢谢!我正在使用这段代码进行录音，我在 Audiopy 网站上找到了它:

import pyaudio
import wave
import numpy as np
import pyaudio

CHUNK = 2048
FORMAT = pyaudio.paInt16
CHANNELS = 2
RATE = 44100
RECORD_SECONDS = 1
WAVE_OUTPUT_FILENAME = "output1.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 chunk")

stream.stop_stream()
stream.close()
p.terminate()

要按键，其他代码:

import win32com.client
shell = win32com.client.Dispatch("WScript.Shell")
    if tom >= 400 and tom<=500:
    shell.SendKeys("G")

PS.: 我正在使用 Windows

Answer 1

您可以使用傅里叶变换将声音转换为频率。更具体地说，使用 numpy.fft.rfft 提供的一维离散傅立叶变换.

从立体声 WAV 文件中读取一秒钟并提取频率的示例。

import wave
import numpy as np

with wave.open('input.wav', 'r') as wr:
    sz = wr.getframerate()  # Read and process 1 second.
    da = np.fromstring(wr.readframes(sz), dtype=np.int16)
    left, right = da[0::2], da[1::2]  # separate into left and right channel
    lf, rf = np.absolute(np.fft.rfft(left)), np.absolute(np.fft.rfft(right))

lf 和 rf 是包含每个频率强度的 numpy 数组。使用 numpy.argmax你可以得到强度最高的索引(频率)。

但尝试一下并使用例如图形化结果matplotlib。您会看到数据中可能有多个峰值。例如，您可能会在 50 Hz 或 60 Hz 处找到峰值。这很可能是来自主电源的干扰，应该通过将数据清零来忽略。60 赫兹示例:

lf[55:65], rf[55:65] = 0, 0

下面是使用 matplotlib 从一秒钟的声音剪辑中绘制的示例图。上图显示 WAV 文件中的样本，而下图显示转换为频率的相同数据。这是一个人说话的图，所以有很多峰。最高约为 200 Hz。