Python - 获取mp3的波形/幅度

Question

我希望我能找到一种方法从 python 中的 mp3 中获取振幅数据。与 audacity 类似，但我不想要视觉效果，一个简单的值数组就可以了。当声音变大时，我希望我的代码在某些时候对声音使用react。我正在使用 pygame 播放音频并试图将其转换为 sndarray 但它只给了我前 0.00018 秒。不管怎样，我可以得到整个 mp3 吗？它不一定是实时的，因为无论如何我都希望能够提前使用react，并且会使用 pygame 跟踪我的位置。

我正在 build this cloud使用树莓派代替其他功能。我已经有了照明工作，需要它对闪电使用react，遗憾的是 lightshowpi 不是一个选择。任何帮助将不胜感激

编辑:这就是我到目前为止所拥有的，感谢 coder-don。它有效，但我卡在 while 循环上。我不知道为什么。我使用的 mp3 很长，这可能是问题所在吗？

import os, sys
from gi.repository import Gst, GObject
Gst.init()
GObject.threads_init()

def get_peaks(filename):
global do_run

pipeline_txt = (
    'filesrc location="%s" ! decodebin ! audioconvert ! '
    'audio/x-raw,channels=1,rate=22050,endianness=1234,'
    'width=32,depth=32,signed=(bool)TRUE !'
    'level name=level interval=1000000000 !'
    'fakesink' % filename)
pipeline = Gst.parse_launch(pipeline_txt)

level = pipeline.get_by_name('level')
bus = pipeline.get_bus()
bus.add_signal_watch()

peaks = []
do_run = True

def show_peak(bus, message):
    global do_run
    if message.type == Gst.MESSAGE_EOS:
        pipeline.set_state(Gst.State.NULL)
        do_run = False
        return
    # filter only on level messages
    if message.src is not level or \
       not message.structure.has_key('peak'):
        return
    peaks.append(message.structure['peak'][0])

# connect the callback
bus.connect('message', show_peak)

# run the pipeline until we got eos
pipeline.set_state(Gst.State.PLAYING)
ctx = GObject.MainContext()
while ctx and do_run:
    ctx.iteration()

return peaks

def normalize(peaks):
    _min = min(peaks)
    print(_min)
    _max = max(peaks)
    print(_max)
    d = _max - _min
    return [(x - _min) / d for x in peaks]

if __name__ == '__main__':
    filename = os.path.realpath(sys.argv[1])
    peaks = get_peaks(filename)

    print('Sample is %d seconds' % len(peaks))
    print('Minimum is', min(peaks))
    print('Maximum is', max(peaks))

    peaks = normalize(peaks)
    print(peaks)

Answer 1

使用 pydub , 你可以很容易地得到 mp3 文件的 loudness 和 highest amplitude 。然后，您可以使用这些参数之一来使代码/光对此使用react。

来自pydub网站，

AudioSegment(…).max

AudioSegment 中任何样本的最高振幅。对于规范化(在 pydub.effects.normalize 中提供)之类的事情很有用。

from pydub import AudioSegment
sound = AudioSegment.from_file("/path/to/sound.mp3", format="mp3")    
peak_amplitude = sound.max

AudioSegment(…).dBFS

以 dBFS 为单位返回 AudioSegment 的响度(db 相对于最大可能响度)。最大幅度的方波大约为 0 dBFS(最大响度)，而最大幅度的正弦波大约为 -3 dBFS。

from pydub import AudioSegment
sound = AudioSegment.from_file("/path/to/sound.mp3", format="mp3")
loudness = sound.dBFS