W następstwie odpowiedzi Nicka Fortescue, oto bardziej kompletny przykład nagrywania z mikrofonu i przetwarzania uzyskanych danych:
from sys import byteorder
from array import array
from struct import pack
import pyaudio
import wave
THRESHOLD = 500
CHUNK_SIZE = 1024
FORMAT = pyaudio.paInt16
RATE = 44100
def is_silent(snd_data):
"Returns 'True' if below the 'silent' threshold"
return max(snd_data) < THRESHOLD
def normalize(snd_data):
"Average the volume out"
MAXIMUM = 16384
times = float(MAXIMUM)/max(abs(i) for i in snd_data)
r = array('h')
for i in snd_data:
r.append(int(i*times))
return r
def trim(snd_data):
"Trim the blank spots at the start and end"
def _trim(snd_data):
snd_started = False
r = array('h')
for i in snd_data:
if not snd_started and abs(i)>THRESHOLD:
snd_started = True
r.append(i)
elif snd_started:
r.append(i)
return r
# Trim to the left
snd_data = _trim(snd_data)
# Trim to the right
snd_data.reverse()
snd_data = _trim(snd_data)
snd_data.reverse()
return snd_data
def add_silence(snd_data, seconds):
"Add silence to the start and end of 'snd_data' of length 'seconds' (float)"
silence = [0] * int(seconds * RATE)
r = array('h', silence)
r.extend(snd_data)
r.extend(silence)
return r
def record():
"""
Record a word or words from the microphone and
return the data as an array of signed shorts.
Normalizes the audio, trims silence from the
start and end, and pads with 0.5 seconds of
blank sound to make sure VLC et al can play
it without getting chopped off.
"""
p = pyaudio.PyAudio()
stream = p.open(format=FORMAT, channels=1, rate=RATE,
input=True, output=True,
frames_per_buffer=CHUNK_SIZE)
num_silent = 0
snd_started = False
r = array('h')
while 1:
# little endian, signed short
snd_data = array('h', stream.read(CHUNK_SIZE))
if byteorder == 'big':
snd_data.byteswap()
r.extend(snd_data)
silent = is_silent(snd_data)
if silent and snd_started:
num_silent += 1
elif not silent and not snd_started:
snd_started = True
if snd_started and num_silent > 30:
break
sample_width = p.get_sample_size(FORMAT)
stream.stop_stream()
stream.close()
p.terminate()
r = normalize(r)
r = trim(r)
r = add_silence(r, 0.5)
return sample_width, r
def record_to_file(path):
"Records from the microphone and outputs the resulting data to 'path'"
sample_width, data = record()
data = pack('<' + ('h'*len(data)), *data)
wf = wave.open(path, 'wb')
wf.setnchannels(1)
wf.setsampwidth(sample_width)
wf.setframerate(RATE)
wf.writeframes(data)
wf.close()
if __name__ == '__main__':
print("please speak a word into the microphone")
record_to_file('demo.wav')
print("done - result written to demo.wav")
xrange
nierange
było to konieczneadd_silence
(więc teraz zniknęło). Myślę, że Arek może coś tu znaleźć - przejście od ciszy do „słowa” brzmi zbyt gwałtownie. Myślę, że istnieją inne odpowiedzi, które również go rozwiązują.Uważam, że moduł WAVE nie obsługuje nagrywania, tylko przetwarza istniejące pliki. Możesz zajrzeć do PyAudio, aby faktycznie nagrywać. WAV to najprostszy format plików na świecie. W paInt16 po prostu otrzymujesz liczbę całkowitą ze znakiem reprezentującą poziom, a bliżej 0 oznacza ciszej. Nie pamiętam, czy pliki WAV mają wyższy bajt pierwszy, czy niski bajt, ale coś takiego powinno działać (przepraszam, nie jestem programistą Pythona:
Kod PyAudio do nagrywania przechowywany w celach informacyjnych:
źródło
Dzięki cryo za ulepszoną wersję, na której oparłem mój testowany kod poniżej:
źródło
return copy.deepcopy(data_all[_from:(_to + 1)])
docopy.deepcopy(data_all[int(_from):(int(_to) + 1)])
Myślę, że to pomoże. Jest to prosty skrypt, który sprawdzi, czy jest cisza, czy nie. Jeśli zostanie wykryta cisza, nie zarejestruje, w przeciwnym razie zapisze.
źródło
Strona internetowa pyaudio zawiera wiele przykładów, które są dość krótkie i jasne: http://people.csail.mit.edu/hubert/pyaudio/
Aktualizacja 14 grudnia 2019 r. - Główny przykład z powyższej połączonej witryny z 2017 r .:
źródło
Możesz również spojrzeć na csounds . Posiada kilka interfejsów API, w tym Python. Może być w stanie współdziałać z interfejsem AD i zbierać próbki dźwięku.
źródło