如何使用Python合并两个wav文件？

Question

我正在使用Python编程语言，我想将一个.wav文件连接到另一个.wav文件的末尾。

在论坛中，有一个问题建议如何合并两个wav文件即在特定偏移处添加一个wav文件的内容，但我想要将两个wav文件连接到彼此的末尾...

另外，我在使用winsound模块播放自己的wav文件时遇到了问题。我能够播放声音，但需要使用time.sleep一段时间才能播放任何Windows声音，缺点是，如果我想要播放比time.sleep(N)更长的声音，N秒后Windows声音将重叠并在N秒后播放winsound并停止。

有人可以帮助吗？请提供解决这些问题的建议...

提前感谢您

- kaushik

Answer 1

Python内置了wave模块，可以完成你所需的操作。当文件的细节（单声道或立体声、帧率等）相同时，下面的示例可以正常工作：

import wave

infiles = ["sound_1.wav", "sound_2.wav"]
outfile = "sounds.wav"

data= []
for infile in infiles:
    w = wave.open(infile, 'rb')
    data.append( [w.getparams(), w.readframes(w.getnframes())] )
    w.close()
    
output = wave.open(outfile, 'wb')
output.setparams(data[0][0])
for i in range(len(data)):
    output.writeframes(data[i][1])
output.close()

- tom10

---

当要连接的wav文件的采样率大于48kHz时，此方法会失败。 - Bruce

我刚试了一下合并两个96kHz 24bit的wav文件，这段代码运行良好。请注意，此方法假定文件具有相同的格式，而不匹配是它失败的常见原因。如果存在不匹配，则需要安装更高级的库（例如在另一个答案中描述的pydub）（或者至少是最简单的方法）。 - tom10

Answer 2

我是pydub的维护者，它旨在使这种事情变得容易。

from pydub import AudioSegment

sound1 = AudioSegment.from_wav("/path/to/file1.wav")
sound2 = AudioSegment.from_wav("/path/to/file2.wav")

combined_sounds = sound1 + sound2
combined_sounds.export("/output/path.wav", format="wav")

注意：pydub是对audioop的轻量级封装。因此，在幕后，它基本上正在执行Tom10提到的操作。

- Jiaaro

---

但是如果你正在读取一个时间戳文件呢？怎么拼接这些文件呢？ - Mystery Man

@Elvisjames 我认为你需要安装ffprobe - pydub肯定支持Python 3。 - Jiaaro

Answer 3

Python 3 解决方案：
我们可以使用标准库来实现，就像Tom10和Eggbert的答案所示。
下面是一个更简短的版本：

1. Only write the parameters for the first wave file. We can test the wav_out file length to see if we haven't yet written to it. If we haven't write the wave parameters once only.

2. Then write frames to the wav_out as they are read from the wav_in.

   with wave.open(outfile, 'wb') as wav_out:
       for wav_path in infiles:
           with wave.open(wav_path, 'rb') as wav_in:
               if not wav_out.getnframes():
                   wav_out.setparams(wav_in.getparams())
               wav_out.writeframes(wav_in.readframes(wav_in.getnframes()))
   

- spacether

---

请注意，此支持合并超过2个文件，而@tom10的答案仅适用于2个文件。 - Tyler Dane Hitzeman

我猜如果你在输入文件列表中包含更多的名称，Tom的答案可以适用于更多的文件？ - Arpit Omprakash

Answer 4

在@tom10的回答基础上进行补充:

from contextlib import closing

with closing(wave.open(outfile, 'wb')) as output:

    # find sample rate from first file
    with closing(wave.open(wav_files[0])) as w:
        output.setparams(w.getparams())

    # write each file to output
    for infile in wav_files:
        with closing(wave.open(infile)) as w:
            output.writeframes(w.readframes(w.getnframes()))

与一次性将所有数据存储然后在最后写入不同，它逐位地写入。同时，它也使用contextlib.close以便你无需手动关闭文件。

- eggbert

---

在Python3中，根据以下内容似乎不需要使用contextlib封装器: “open()函数可以在with语句中使用。当with块完成时，将调用Wave_read.close()或Wave_write.close()方法。” https://docs.python.org/3/library/wave.html - spacether

Answer 5

我使用了pysox

wave模块和许多其他模块似乎不支持mu-law wavs。

pysox要求你安装SoX并更新PATH以包括其所在目录。

import sox    
cbn=sox.Combiner()
sounds=[]
#PROCESS SOUND PATHS TO AN ARRAY
if len(sounds)>=2:
    print(sounds)
    cbn.build(sounds,'outputfilepath.ext','concatenate')

- Charles Hacker

Answer 6

您可以使用Audiolab：

import audiolab, scipy
a, fs, enc = audiolab.wavread('file1.wav')
b, fs, enc = audiolab.wavread('file2.wav')
c = scipy.vstack((a,b))
audiolab.wavwrite(c, 'file3.wav', fs, enc)

- Steve Tjoa

---

我需要安装任何软件包才能使用scipy吗？我正在使用Python2.6，如果需要的话，我可以下载兼容版本。您能提供链接吗？我尝试从scipy网站上下载但遇到了一些问题。如果有安装步骤，请建议一下。谢谢您的回答。您知道如何播放声音吗？我在播放方面遇到了问题，有什么解决方法吗？ - kaushik

Python 2.6可以，Numpy/Scipy网站也可以。我可能会让其他人回答你的问题并提供进一步的建议。虽然我的答案可行，但可能还有更优雅、直接的解决方案。 - Steve Tjoa

我尝试安装来自scikits的audiolab，大小约为1.4 mb，并成功安装，但在运行您的代码时，它显示导入错误：没有名为audiolab的模块。我没有安装44mb的scipy包，这是问题吗？我需要安装它还是audiolab下载本身有问题？ - kaushik

我也安装了Scipy，但仍然显示导入错误。我使用的是Windows下载并安装的，但仍然存在问题，可能的原因是什么？ - kaushik

现在，我会使用 librosa。http://librosa.github.io/librosa/generated/librosa.core.load.html#librosa.core.load - Steve Tjoa

Answer 7

我会使用librosa.load 和 librosa.write_wav。请查看此文档。

import librosa
import numpy as np
import librosa.display

example_audio = librosa.util.example_audio_file()
x, sr = librosa.load(example_audio, duration=5)
print('shape of x ==> ' + str(x.shape))
y, sr = librosa.load(example_audio, duration=5)
print('shape of y ==> ' + str(y.shape))
z = np.append(x,y)
print('shape of x+y = z ==> ' + str(z.shape))
librosa.output.write_wav('joined_file.wav', z, sr)

z_loaded, sr = librosa.load('joined_file.wav')
print('shape of z loaded ==> ' + str(z_loaded.shape))

输出结果:

x的形状 ==> (110250,)

y的形状 ==> (110250,)

x+y=z的形状 ==> (220500,)

已加载z的形状 ==> (220500,)

- penduDev

---

@Ryan更新了答案。你可能会对这里的更多代码示例感兴趣：https://github.com/gndps/vocal-training/blob/master/7_phrasedetection.ipynb，尽管文档不太容易阅读。 - penduDev

请注意，librosa 自带 numpy、scipy 和 scikit-learn，这对于只想合并 WAV 文件的人来说可能过于复杂。 - Tyler Dane Hitzeman

Answer 8

我使用SOX [1]库，然后像这样调用它

>>> import subprocess
>>> sound_output_path = /tmp
>>> sox_filenames = ['file.wav', 'file1.wav']
>>> subprocess.call(['sox'] + sox_filenames + ['%s/out.wav' % sound_output_path])

[1] http://sox.sourceforge.net/

[1] http://sox.sourceforge.net/

- user348258