python - 音频数据字符串格式为numpy数组

Question

我正在尝试使用88200个样本将numpy.array的音频采样率(从44100转换为22050)，其中我已经完成了一些处理(例如添加静音并转换为单声道)。我尝试使用audioop.ratecv转换此数组，但它可以工作，但它返回的是str而不是numpy数组，当我使用scipy.io.wavfile.write写入这些数据时，结果是一半的数据丢失了，音频速度是原来的两倍(而不是慢一点，至少在某种意义上来说)。audio.ratecv可以很好地与str数组(例如wave.open返回)配合使用，但是我不知道如何处理这些数组，因此我尝试使用numpy.array2string(data)从str转换为numpy，并将其传递给ratecv并获得正确的结果，然后再次将其转换为numpy numpy.fromstring(data, dtype)，现在len的数据是8个样本。我认为这是由于格式复杂造成的，但我不知道如何控制它。我也没有弄清楚wave.open返回哪种格式的str，所以我可以在这种格式上强制使用格式。

这是我的代码的这一部分

def conv_sr(data, srold, fixSR, dType, chan = 1): 
    state = None
    width = 2 # numpy.int16
    print "data shape", data.shape, type(data[0]) # returns shape 88200, type int16
    fragments = numpy.array2string(data)
    print "new fragments len", len(fragments), "type", type(fragments) # return len 30 type str
    fragments_new, state = audioop.ratecv(fragments, width, chan, srold, fixSR, state)
    print "fragments", len(fragments_new), type(fragments_new[0]) # returns 16, type str
    data_to_return = numpy.fromstring(fragments_new, dtype=dType)
    return data_to_return

我这样称呼它

data1 = numpy.array(data1, dtype=dType)
data_to_copy = numpy.append(data1, data2)
data_to_copy = _to_copy.sum(axis = 1) / chan
data_to_copy = data_to_copy.flatten() # because its mono

data_to_copy = conv_sr(data_to_copy, sr, fixSR, dType) #sr = 44100, fixSR = 22050

scipy.io.wavfile.write(filename, fixSR, data_to_copy)

Answer 1

经过更多的研究后，我发现了我的错误，看来16位音频是由两个8位“单元”组成的，因此我所使用的dtype是错误的，这就是为什么出现音频速度问题。我找到了正确的dtype here。因此，在conv_sr def中，我传递了一个numpy数组，将其转换为数据字符串，传递给它以转换采样率，再次将其转换为scipy.io.wavfile.write的numpy数组，最后将2个8位转换为16位格式

def widthFinder(dType):
    try:
        b = str(dType)
        bits = int(b[-2:])
    except:
        b = str(dType)
        bits = int(b[-1:])
    width = bits/8
    return width

def conv_sr(data, srold, fixSR, dType, chan = 1): 
    state = None
    width = widthFinder(dType)
    if width != 1 and width != 2 and width != 4:
        width = 2
    fragments = data.tobytes()
    fragments_new, state = audioop.ratecv(fragments, width, chan, srold, fixSR, state)
    fragments_dtype = numpy.dtype((numpy.int16, {'x':(numpy.int8,0), 'y':(numpy.int8,1)}))
    data_to_return = numpy.fromstring(fragments_new, dtype=fragments_dtype)
    data_to_return = data_to_return.astype(dType)
    return data_to_return

如果您发现任何错误，请随时纠正我，我仍然是学习者