python - "pydub._data"和 "numpy.fromsting"如何在音频指纹中工作？

Question

import numpy as np
from pydub import AudioSegment

song = AudioSegment.from_mp3("Music/Jimin/trap/_Revolution (Original Mix).mp3")

tensec = song[:10]
data = np.fromstring(tensec._data,np.int16)

print tensec
print data

这是我正在开发的音频指纹软件的摘录。我不太确定几件事。

1. tensec保存成什么样的格式
2. ._data对tensec做了什么，tensec._data是什么格式
3. fromstring 的目的是什么(我所理解的是 fromstring 获取 tensec._data 并返回一个数组)

请帮帮我

Answer 1

1. 您可以对 AudioSegment 执行的几乎所有操作都会返回 AudioSegment(包括切片)，这与切片字符串返回字符串的方式类似。

   但是，切片是在几毫秒内完成的，因此您应该编写 tensec = song[:10000]

2. AudioSegment().raw_data(也可以作为 ._data 访问，但您不应使用私有(private)属性)是 AudioSegment。在 python 2 上，这是一个 bytestring，在 python 3 上，它是一个 bytes 对象。

3. numpy.fromstring() 存在是因为在 python 2 中，原始字节数据通常存储为字符串，不适合进行数字运算。如果你想使用音频样本的数值，你也可以使用 `AudioSegment().get_array_of_samples()它的作用几乎相同，但会说明它是 8/16/32 位音频，还是单声道或立体声。

我使用 get_array_of_samples() 方法实现了一个低通滤波器 ( source on github )，作为示例您可能还会发现它很有用