python | matchering，一个超酷的 Python 库！-优快云博客

本文来源公众号“python”，仅用于学术分享，侵权删，干货满满。

原文链接：https://mp.weixin.qq.com/s/v5T1A7zM-QY75XTInAARxA

在音乐制作领域，母带处理（Mastering）是让作品达到商业发行标准的关键步骤。matchering是一个开源的Python音频处理库，它采用了一种创新的"参考匹配"理念：你只需提供一首想要模仿音色的参考曲目，算法就会自动分析并将你的作品处理成相似的声音特征。它能匹配RMS响度、频率响应、峰值电平和立体声宽度等关键参数，让独立音乐人也能快速获得专业级的母带效果。

安装

1、安装方法

matchering依赖libsndfile库，在Windows和macOS上会自动安装，Linux需手动安装：

# Linux 先安装依赖
sudo apt update && sudo apt -y install libsndfile1

# 安装 matchering
pip install matchering

如需支持MP3格式，还需安装FFmpeg：

# Ubuntu/Debian
sudo apt install ffmpeg

# macOS
brew install ffmpeg

2、验证安装

import matchering as mg
print("matchering 安装成功！")

核心特性

参考匹配：以任意专业曲目作为参考，自动匹配其声音特征
四维处理：同时匹配RMS响度、频率响应、峰值电平、立体声宽度
内置限制器：自带开源砖墙限制器，防止削波失真
多格式支持：支持WAV、FLAC、AIFF等无损格式，可选MP3支持
灵活输出：支持16bit、24bit、32bit浮点等多种位深
静默模式：可关闭日志输出，适合批量处理

基本功能

1、基础母带处理

matchering的核心是process()函数，它接收目标音频（target）和参考音频（reference），自动分析参考曲目的声音特征并应用到目标音频上。

import matchering as mg

# 启用日志输出，查看处理进度
mg.log(print)

mg.process(
    # 待处理的目标音频
    target="my_song.wav",
    # 参考曲目（你希望模仿的声音）
    reference="professional_track.wav",
    # 输出结果
    results=[
        mg.pcm16("my_song_master_16bit.wav"),
        mg.pcm24("my_song_master_24bit.wav"),
    ],
)

2、静默处理模式

在批量处理场景下，可以关闭日志输出。不调用mg.log()函数，matchering将以静默模式运行，不会输出任何信息到控制台，适合集成到自动化工作流中。

import matchering as mg

# 不调用 mg.log()，静默运行
mg.process(
    target="track_01.wav",
    reference="reference.wav",
    results=[mg.pcm24("track_01_master.wav")],
)

3、自定义日志处理

matchering支持分离info和warning日志，便于将不同级别的信息写入不同位置。这在构建专业音频处理系统时非常有用，可以将警告信息单独记录以便排查问题。

import matchering as mg

# 分别处理info和warning日志
mg.log(
    info_handler=print,
    warning_handler=lambda msg: print(f"[警告] {msg}")
)

mg.process(
    target="my_song.wav",
    reference="reference.wav",
    results=[mg.pcm24("output.wav")],
)

高级功能

1、使用Result类自定义输出

当需要更精细控制输出参数时，可使用mg.Result类。它允许指定输出格式、位深、是否启用限制器、是否归一化等选项，满足专业音频工程师的多样化需求。

import matchering as mg

mg.log(print)

mg.process(
    target="my_song.wav",
    reference="reference.wav",
    results=[
        # 标准16位WAV，完整处理
        mg.pcm16("master_16bit.wav"),
        
        # FLAC 24位，仅匹配不加限制器
        mg.Result(
            "master_24bit_no_limiter.flac",
            subtype="PCM_24",
            use_limiter=False
        ),
        
        # 32位浮点，不加限制器且不归一化
        # 可超过0dB，适合后续在DAW中处理
        mg.Result(
            "master_32bit_float.aiff",
            subtype="FLOAT",
            use_limiter=False,
            normalize=False
        ),
    ],
)

2、预览功能

处理大型音频文件前，可以先生成低质量预览来评估效果。预览文件能让你快速判断参考曲目是否合适，避免浪费时间处理整首曲目后才发现效果不理想。

import matchering as mg

mg.log(print)

# 生成预览
mg.preview(
    target="my_long_song.wav",
    reference="reference.wav",
    results=[mg.pcm16("preview.wav")],
)

3、批量处理

结合Python的文件操作能力，可以轻松实现专辑级别的批量母带处理。使用同一参考曲目处理多首歌曲，能确保整张专辑拥有一致的声音风格。

import matchering as mg
from pathlib import Path

mg.log(print)

# 待处理的曲目列表
tracks = Path("album").glob("*.wav")
reference = "album_reference.wav"

for track in tracks:
    output = f"mastered/{track.stem}_master.wav"
    mg.process(
        target=str(track),
        reference=reference,
        results=[mg.pcm24(output)],
    )
    print(f"完成: {track.name}")

总结

matchering是一个独特的开源音频母带处理库，其核心创新在于"参考匹配"理念——通过分析参考曲目的RMS响度、频率响应、峰值电平和立体声宽度，自动将这些特征应用到目标音频上。matchering库的API设计简洁，基础使用只需调用process()函数，高级用户则可通过Result类精细控制输出参数。matchering内置了开源砖墙限制器，支持多种无损音频格式和位深输出。无论是独立音乐人的快速母带、专辑的声音统一，还是Demo优化，matchering都能提供便捷高效的解决方案，让专业级母带处理不再遥不可及。

THE END !

文章结束，感谢阅读。您的点赞，收藏，评论是我继续更新的动力。大家有推荐的公众号可以评论区留言，共同学习，一起进步。