logo标签列表

如何使用Python从mp3文件中提取原始数据？

pythonaudiomp3eyed3
7
我有一个与使用Python进行音频数据分析相关的作业。我想知道是否有好的模块可以用来从mp3文件中提取原始数据。我的意思是原始数据，而不是元数据、id3标签。
我知道如何使用wave模块处理.wav文件。我可以使用readframes获取原始数据。但我不知道如何处理mp3文件。我在谷歌和stackoverflow上搜索了很多，找到了eyeD3。但不幸的是，文档令人沮丧，并且现在的版本是0.7.1，与我能在互联网上找到的大多数示例不同。
是否有好的模块可以从mp3中提取原始数据？如果有好的eyeD3文档，那也好。
请查看此链接：https://dev59.com/wnA75IYBdhLWcg3w49UR 。显然，最简单的方法是使用外部程序将mp3转换为wav。 - Jakub M.
2
“原始数据”这个词很令人困惑。如果你说“原始数据”，我认为你想要获取文件的字节（可以使用open('your.mp3', 'rb')来获取）。但我认为你不需要这种类型的原始数据。 - Kritzefitz
我想要原始数据——文件的字节。但是，并非文件的所有字节都是音乐内容。还有一些标签和可能是其他东西。所以我想知道是否有任何模块可以提取它。@IchUndNichtDu - zhangyangyu
4个回答
21

如果我理解你的问题，你可以尝试使用pydub（我写的一个库）来获取音频数据，方法如下：

from pydub import AudioSegment

sound = AudioSegment.from_mp3("test.mp3")

# sound._data is a bytestring
raw_data = sound._data
我收到了以下错误信息：File "/Library/Frameworks/Python.framework/Versions/3.8/lib/python3.8/json/decoder.py", line 355, in raw_decode raise JSONDecodeError("Expecting value", s, err.value) from None json.decoder.JSONDecodeError: Expecting value: line 1 column 1 (char 0) - bobsmith76
我解决了这个问题，并在这里描述了解决方案 https://github.com/jiaaro/pydub/issues/450 - bobsmith76
不支持mp4格式？ - WestCoastProjects
@StephenBoesch ffmpeg肯定支持mp4，所以它应该支持 - 但你可能需要指定它应该使用哪种编解码器。 - Jiaaro
如何转换为float16？除以255还是float16.max？谢谢。 - thecr0w
5
有几个类似的问题在stackoverflow上出现。这里有不同的使用情况。
1. 用户想要将.mp3文件转换为PCM文件，例如.wav文件。 2. 用户想要访问.mp3文件中的原始数据（即不将其视为压缩的PCM）。这里的用例是理解MP3和AAC等压缩方案的工作原理。
本答案针对第二种情况，但我没有可共享或指向的工作代码。
像MP3这样的压缩方案通常在频域中工作。作为一个简化的例子，您可以每次取1024个样本的.wav文件块，使用FFT变换每个块的1024个样本，并存储它们。粗略地说，有损压缩然后从频域中丢弃信息以允许更小的编码。
如果你想要从.mp3转换为.wav，使用纯Python实现是非常不切实际的。但是，如果你想探索.mp3和相关压缩方案的工作原理，并拥有一些易于调整的东西，即使代码运行比ffmpeg慢1000倍，也可以很有用，特别是如果代码以一种允许源代码阅读者看到.mp3压缩如何工作的方式编写。例如，参见http://bugra.github.io/work/notes/2014-07-12/discre-fourier-cosine-transform-dft-dct-image-compression/，其中有一个IPython工作簿，介绍了频域变换在图像压缩方案（如JPEG）中的使用方法。对于学习压缩的人来说，类似MP3压缩等的东西将会非常有用。
一个 .mp3 文件基本上是一系列 MP3 帧，每个帧都有头部和数据组件。因此，首要任务是编写一个 Python 类（或类）来表示它们，并从 .mp3 文件中读取它们。首先以二进制模式读取文件（即 f = open(filename,"rb")，然后 data = f.read() -- 在现代计算机上，鉴于典型的 5 分钟歌曲在 .mp3 格式下大约为 5MB，你可以一次性读取整个文件）。可能还值得编写一个更简单（但效率远低于 MP3 和 AAC 等方案）的编码方案来探索其工作原理，逐步添加这些方案使用的技巧。例如，将 PCM 输入文件分成 1024 个样本块，使用 FFT 或 DCT 等方法进行转换，然后再转换回去，看看如何恢复原始数据。然后探索如何从频率变换版本中丢弃数据，并查看将其转换回 PCM 数据时会产生什么影响。最终结果起初会非常糟糕，但通过看到问题，以及看到 MP3 和 AAC 等方案的处理方式，你可以了解为什么这些压缩方案采用这种方式处理。
简而言之，如果您的使用场景是“完成任务”，那么您可能不想使用Python。另一方面，如果您的使用场景是“学习如何完成任务”，那就不同了。（粗略地说，在90年代的Pentium 100上使用优化的汇编语言可以做到的事情，在现代Core i5上使用Python大致可以以相同的性能完成 - 大约有100倍的原始性能因素，并且使用Python会有类似的减速）。
4
我使用了Jiaaro的答案中的pydub，但我想为这个问题添加一些代码，可以从MP3文件中提取PCM数据。下面是一个注释齐全的完整程序，用于读取MP3文件，将PCM数据提取到有符号整数列表中，然后使用matplotlib绘制它。当然，需要安装pydub和matplotlib。
from pydub import AudioSegment
from matplotlib import pyplot as plt

# This will open and read the audio file with pydub.  Replace the file path with
# your own file.
audio_file = AudioSegment.from_file("./2021-02-23-22:00:11-edited.mp3")

# Set up a list for us to dump PCM samples into, and create a 'data' variable
# so we don't need to type audio_file._data again
data = audio_file._data
pcm16_signed_integers = []

# This loop decodes the bytestring into PCM samples.
# The bytestring is a stream of little-endian encoded signed integers.
# This basically just cuts each two-byte sample out of the bytestring, converts
# it to an integer, and appends it to the list of samples.
for sample_index in range(len(data)//2):
    sample = int.from_bytes(data[sample_index*2:sample_index*2+2], 'little', signed=True)
    pcm16_signed_integers.append(sample)

# Now plot the samples!
plt.plot(pcm16_signed_integers)
plt.show()

这是我的绘图结果（我放大了一个好的部分）： 使用Matplotlib绘制的音频数据图 是的，这个图表是从上面的代码生成的:D
太好了！我终于找到了 MP3 原始数据的一个用途！ - undefined
3
您尝试过以读取二进制模式打开文件吗？
f = open("test.mp3", "rb")
first16bytes = f.read(16)
etc...
1
我非常确定OP想要的是编码在mp3中的音频数据。在这种情况下，在读取之前需要对mp3进行解码。 - Jiaaro
@Jiaaro，你应该发布一个解释的答案。 - Stephan
你如何解释前16个字节代表什么？通常我习惯于在二维频率随时间表示中看到，那么这对于单个字节的维度来说是如何读取的呢？ - bmc
甚至没有解决MP3解码问题。在Python 3中，打开和读取文件是你学习的第一件事情之一。我认为这个答案需要一个关于如何实际解码文件的部分。我刚刚测试了Jiaaro答案中的pydub，它工作得很好。但它与当前代码不兼容。也许还有其他好的库存在，你可以提到它们来为这里的答案做出贡献？ - Nuclear_Man_D
网页内容由stack overflow 提供, 点击上面的
可以查看英文原文，
原文链接