Python：将WAV文件写入NumPy浮点数组

Question

ifile = wave.open("input.wav")

现在我该如何将这个文件写成一个numpy浮点数数组呢？

- IAM

---

@JoranBeasley 它必须是浮点数。 - IAM

Answer 1

>>> from scipy.io.wavfile import read
>>> a = read("adios.wav")
>>> numpy.array(a[1],dtype=float)
array([ 128.,  128.,  128., ...,  128.,  128.,  128.])

通常是将字节转换为整数，但这里我们将其转换为浮点类型。

您可以在这里阅读相关信息：https://docs.scipy.org/doc/scipy/reference/tutorial/io.html#module-scipy.io.wavfile

- Joran Beasley

---

谢谢！还有一个问题，我如何对当前工作目录中的所有.wav文件执行此操作？我的意思是在循环中将每个文件保存到一个数组中，并在每个步骤结束时将其集中到主数组中。 - IAM

Answer 2

这个问题被提出七年后...

import wave
import numpy

# Read file to get buffer                                                                                               
ifile = wave.open("input.wav")
samples = ifile.getnframes()
audio = ifile.readframes(samples)

# Convert buffer to float32 using NumPy                                                                                 
audio_as_np_int16 = numpy.frombuffer(audio, dtype=numpy.int16)
audio_as_np_float32 = audio_as_np_int16.astype(numpy.float32)

# Normalise float32 array so that values are between -1.0 and +1.0                                                      
max_int16 = 2**15
audio_normalised = audio_as_np_float32 / max_int16

- Matthew Walker

---

你尝试过了吗？根据文档，自至少Python 2.7版本以来，wave模块就已是Python的一部分，并且在3.8版本中仍然包含：https://docs.python.org/3.8/library/wave.html - Matthew Walker

嗨，Matthew Walker，感谢您提供如此好的答案。我想问一下，audio_normalised 的大小是样本的两倍，那么它是否代表了2个通道的数据，还是其他什么，请您能详细解释一下吗？ - Trees

我不确定我理解你的问题。你所说的大小是指字节长度吗？如果是这样，那么我猜测答案可能在于波形文件中PCM的int16（2字节）表示。这回答了你的问题吗？ - Matthew Walker

哦，我认为wave.getsampwidth是frombuffer中int16或int32的值，对吗？ - avocado

@avocado getsampwidth() 返回样本宽度（以字节为单位），因此2个字节=> int16，或4个字节=> int32。我猜我之前没有遇到过除每个样本2个字节之外的WAV文件。好观点。 - Matthew Walker

Answer 3

使用librosa包，只需加载wav文件到numpy数组即可：

y, sr = librosa.load(filename)

加载并解码音频作为时间序列y，表示为一维NumPy浮点数组。变量sr包含y的采样率，即每秒音频样本数。默认情况下，所有音频在加载时都被混合为单声道，并重新采样为22050 Hz。可以通过向librosa.load()提供其他参数来覆盖此行为。

更多信息请参见Librosa库文档。

- Esterlinkof

Answer 4

我没有足够的声望在@Matthew Walker的回答下面进行评论，因此我发表了一个新答案，加入了对Matt答案的观察。 max_int16 应该是 2 ** 15-1 而不是 2 ** 15。

更好的做法是，我认为应该用以下语句替换归一化行：

audio_normalised = audio_as_np_float32 / numpy.iinfo(numpy.int16).max

如果音频是立体声（即两个通道），左右值将交错存储。因此，为了获取立体声数组，可以使用以下方法：

channels = ifile.getnchannels()
audio_stereo = np.empty((int(len(audio_normalised)/channels), channels))
audio_stereo[:,0] = audio_normalised[range(0,len(audio_normalised),2)]
audio_stereo[:,1] = audio_normalised[range(1,len(audio_normalised),2)]

我相信这回答了评论区@Trees的问题。

- Andreas Prokopiou

---

关于max_int16的定义问题很有趣。 16位整数的范围为-32768到32767。 如果我们想要在-1到1之间进行缩放，则需要用绝对意义上最大可能值即32768或2 ** 15来除以。 因此，在我的答案中定义了max_int16。 - Matthew Walker