pydub入门（基于Pyhton3）

AudioSegment类

pydub 是一个简单易用的 Python 音频处理库，专注于提供高层次的音频操作接口，而 AudioSegment 是它的核心类，用于表示音频片段（如 MP3、WAV、OGG 等格式）。通过 AudioSegment，你可以轻松实现音频文件的加载、切割、合并、格式转换、音量调整等操作。

核心功能

• 多格式支持
  支持常见音频格式（如 MP3、WAV、AAC、OGG、FLAC 等），依赖 FFmpeg 或 libav 进行底层编解码。

• 简洁的API
  提供类似列表和字典的操作方式（如切片、拼接、覆盖）。

• 跨平台
  兼容 Windows、macOS、Linux。

安装与依赖

基本用法

加载音频文件

from pydub import AudioSegment

# 加载音频文件（自动检测格式）
audio = AudioSegment.from_file("input.mp3")

# 指定格式加载
audio = AudioSegment.from_wav("input.wav")
audio = AudioSegment.from_mp3("input.mp3")

导出音频文件

audio.export("output.wav", format="wav")
audio.export("output.mp3", format="mp3", bitrate="192k")

音频基础操作

# 获取音频属性
duration = len(audio)          # 时长（毫秒）
channels = audio.channels      # 声道数
sample_width = audio.sample_width  # 采样位深（字节）
frame_rate = audio.frame_rate  # 采样率（Hz）

# 切割音频（从第10秒到第20秒）
segment = audio[10_000:20_000]

# 调整音量（增加6分贝）
louder = audio + 6

# 拼接音频
combined = audio1 + audio2

# 重复播放
looped = audio * 3

# 淡入淡出
faded = audio.fade_in(2000).fade_out(3000)  # 2秒淡入，3秒淡出

对帧处理

# 获取原始PCM数据（16位小端）
raw_data = audio.raw_data

opus_datas = []

# 按帧处理所有音频数据（包括最后一帧可能补零）
for i in range(0, len(raw_data), frame_size * 2):  # 16bit=2bytes/sample
    # 获取当前帧的二进制数据
    chunk = raw_data[i:i + frame_size * 2]

    # 如果最后一帧不足，补零
    if len(chunk) < frame_size * 2:
        chunk += b'\x00' * (frame_size * 2 - len(chunk))

    # 转换为numpy数组处理
    np_frame = np.frombuffer(chunk, dtype=np.int16)

    # 编码Opus数据
    opus_data = encoder.encode(np_frame.tobytes(), frame_size)
    opus_datas.append(opus_data)