使用 Python 做音频处理·总章（持续更新）

待看：
Python音频处理
Python pydub音频处理

1. 常用的工具和库

概述

wave 是Python的标准模块，Python 处理音频数据等常见模块有两个：

• librosa：擅长音频信号处理，内部用 numpy 存储数据，读写文件依赖 soundfile 模块（不支持mp3）
• pydub ：底层基于 ffmpeg 读写文件，代码简洁，支持切割、格式转换、音量、ID3等常用功能，门槛低。（ffmpeg 是一个极其强大的开源视频处理软件）

使用建议：日常用 pydub 足够应付，更强大的信号处理则需要 librosa，但有一定数学门槛，需要了解信号处理原理，掌握傅立叶变换等基本算法。

wave

wave 是Python的标准模块，Python 音频处理：wave 记录了它的一些简单介绍和源码

pydub

Pydub lets you do stuff to audio in a way that isn’t stupid

pydub 可以让我们处理音频文件，但是Pydub只支持原生的wav格式的文件处理。所以如果你想处理其他格式的音频，或者说你想处理媒体文件中的音频那你需要在你本地安装FFmpeg支持。

其官方文档中记录了很多简单实用的代码样例：API Documentation

pydub 中的 AudioSegment() 是不可改变对象，其中包含了丰富的操作对象，比如音量的增减、音频的合并、读取音频时长、截取音频等操作。注意处理多个音频时，首先确保它们有相同的 通道数、帧率、采样率、比特深等。

下面简单记录了基本所有的用法：

• AudioSegment(…).from_file()，打开音频并返回一个AudioSegment 实例
• AudioSegment(…).export()，将 AudioSegment 写入一个文件。
• AudioSegment.empty()，创建一个空的（时长为0）的 AudioSegment。
• AudioSegment.silent()，创建一个静音音频片段
• AudioSegment.from_mono_audiosegments()，融合多个单通道的音频，注意每个单通道音频需要有相同的长度，直到帧计时开始。
• AudioSegment(…).dBFS，返回以dBFS (db relative to the maximum possible loudness)为度量的声音响度。
• AudioSegment(…).rms，返回以 rms 为度量的响度
• AudioSegment(…).channels
• AudioSegment(…).sample_width
• AudioSegment(…).frame_rate
• AudioSegment(…).frame_width
• AudioSegment(…).max，返回音频中的最大振幅
• AudioSegment(…).max_dBFS，以 dBFS 返回音频中的最大振幅
• AudioSegment(…).duration_seconds，返回音频时长，单位是 ms（milliseconds）
• AudioSegment(…).raw_data，返回原始音频
• AudioSegment(…).frame_count()，返回帧数
• AudioSegment(…).append()，合并音频，比如 combined = sound1.append(sound2)，默认crossfade=100ms
• AudioSegment(…).overlay()，用一个音频覆盖在其上，但是多余部分会被切除。（有待深究）
• AudioSegment(…).apply_gain(gain)，改变 am