python - 使用 Python 修改 WAV 文件

Question

我编写了一个简单的 Python 程序来读取一个 wave 文件，并在更改后将其存储为一个新文件。

import codecs, wave

#convert a number to its two's complemented value (For positive it is equal itself)
def convert_to_twos(value, wid_len=16):
    if value < 0 :
        value = value + (1 << wid_len)
    return value

#receive the value of a two's complemented number.
def twos_back_value(value, wid_len=16):
    if value & (1 << wid_len -1):
        value = value - (1 << wid_len)
    return value

#opening files
input_file = wave.open(r"<address of input wave file>", 'r')
output_file = wave.open(r"<an address for output wave file>", 'w')

#Get input file parameters and set them to the output file after modifing the channel number.
out_params = [None, None, None, None, None, None]
in_params = input_file.getparams()
out_params[0] = 1 # I want to have a mono type wave file in output. so I set the channels = 1
out_params[1] = in_params[1] #Frame Width
out_params[2] = in_params[2] #Sample Rate
out_params[3] = in_params[3] #Number of Frames
out_params[4] = in_params[4] #Type
out_params[5] = in_params[5] #Compressed or not
output_file.setparams(out_params)

#reading frames from first file and storing in the second file
for frame in range(out_params[2]):
    value = int(codecs.getencoder('hex')(input_file.readframes(1))[0][:4], 16) #converting first two bytes of each frame (let assume each channel has two bytes frame length) to int (from byte string).
    t_back_value = twos_back_value( value ,out_params[1]*8)
    new_value = int(t_back_value * 1)
    new_twos = convert_to_twos(new_value, out_params[1]*8)
    to_write = new_twos.to_bytes((new_twos.bit_length() + 7) // 8, 'big')
    output_file.writeframes(to_write)


#closing files
input_file.close()
output_file.close()

问题是当我运行上面的程序并播放输出文件时，我只能听到噪音而没有其他声音! (虽然我希望同一个文件只在一个 channel 模式下!)

更新:

我发现了一些奇怪的东西。根据文档，函数 readframes(n) 读取并返回至多 n 帧音频，作为字节串。所以我希望这个函数只返回十六进制值。但实际上我可以看到一些奇怪的非十六进制值:

read_frame = input_file.readframes(1)
print (read_frame)
print (codecs.getencoder('hex')(read_frame)[0])
print ("")

以上代码，在 for 循环中返回:

b'\xe3\x00\xc7\xf5'
b'e300c7f5'

b'D\xe8\xa1\xfd'
b'44e8a1fd'

b'\xde\x08\xb2\x1c'
b'de08b21c'

b'\x17\xea\x10\xe9'
b'17ea10e9'

b'{\xf7\xbc\xf5'
b'7bf7bcf5'

b'*\xf6K\x08'
b'2af64b08'

如您所见，read_frame 中有一些非十六进制值! (例如，*、}、D、...)。这些是什么？

Answer 1

您看到的值是每个帧的四个字节，即第一个 channel 两个字节和第二个 channel 两个字节。对于单声道 WAV，您只会看到两个字节。

以下方法应该能让您走上正确的道路。你需要使用 Python 的 struct 将二进制帧值转换为有符号整数的库。然后您可以根据需要操作它们。对于我的示例，我简单地乘以 2/3:

import wave
import codecs
import struct

#opening files
input_file = wave.open(r"sample.wav", 'rb')
output_file = wave.open(r"sample_out.wav", 'wb')

#Get input file parameters and set them to the output file after modifing the channel number.
in_params = list(input_file.getparams())

out_params = in_params[:]
out_params[0] = 1
output_file.setparams(out_params)

nchannels, sampwidth, framerate, nframes, comptype, compname = in_params
format = '<{}h'.format(nchannels)

#reading frames from first file and storing in the second file
for index in range(nframes):
    frame = input_file.readframes(1)
    data = struct.unpack(format, frame)
    value = data[0]     # first (left) channel only
    value = (value * 2) // 3    # apply a simple function to each value
    output_file.writeframes(struct.pack('<h', value))

#closing files
input_file.close()
output_file.close()

请注意，像这样一次处理一帧波形文件会非常慢。可以通过减少对 writeframes 的调用次数来加快速度.

format保存解压二进制值所需的格式。对于 2 声道 WAV 文件，这将包含 4 个字节。 format然后将配置为 <hh这意味着使用 struct.unpack将产生两个字段，每个字段包含每个 channel 的整数表示。所以四个字节变成了一个包含两个整数的列表，每个整数对应一个 channel 。