痞子衡嵌入式：语音处理工具pzh-speech诞生记（4）- 音频录播实现(PyAudio)

　　大家好，我是痞子衡，是正经搞技术的痞子。今天痞子衡给大家介绍的是语音处理工具pzh-py-speech诞生之音频录播实现。

　　音频录播是pzh-py-speech的主要功能，pzh-py-speech借助的是Python自带wave库以及第三方PyAudio库来实现的音频播放和录制功能，今天痞子衡为大家介绍音频录播在pzh-py-speech中是如何实现的。

一、wave简介

　　wave是python标准库，其可以实现wav音频文件的读写，并且能解析wav音频的参数。pzh-py-speech借助wave库来读写wav文件，播放音频时借助wave库来读取wav文件并获取音频参数（通道，采样宽度，采样率），录制音频时借助wave库来设置音频参数并保存成wav文件。下面列举了pzh-py-speech所用到的全部API：

wave用法: https://docs.python.org/2/library/wave.html

wave.open()

# wav音频读API

Wave_read.getnchannels()       # 获取音频通道数

Wave_read.getsampwidth()       # 获取音频采样宽度

Wave_read.getframerate()       # 获取音频采样率

Wave_read.getnframes()         # 获取音频总帧数

Wave_read.readframes(n)        # 读取音频帧数据

Wave_read.tell()               # 获取已读取的音频帧数

Wave_read.close()

# wav音频写API

Wave_write.setnchannels(n)     # 设置音频通道数

Wave_write.setsampwidth(n)     # 设置音频采样宽度

Wave_write.setframerate(n)     # 设置音频采样率

Wave_write.writeframes(data)   # 写入音频帧数据

Wave_write.close()

二、PyAudio简介

　　PyAudio是开源跨平台音频库PortAudio的python封装，PyAudio库的维护者是Hubert Pham，该库从2006年开始推出，一直持续更新至今，pzh-py-speech使用的是PyAudio 0.2.11。

　　pzh-py-speech借助PyAudio库来实现音频数据流控制（包括从PC麦克风获取音频流，将音频流输出给PC扬声器），如果说wave库实现的是对wav文件的单纯操作，那么PyAudio库则实现的是音频相关硬件设备的交互。

　　PyAudio项目的官方主页如下：

PortAudio官方主页: http://www.portaudio.com/

PyAudio官方主页: http://people.csail.mit.edu/hubert/pyaudio/

PyAudio安装方法: https://pypi.org/project/PyAudio/

　　PyAudio对音频流的控制有两种，一种是阻塞式的，另一种是非阻塞式的(callback)，前者一般用于确定的音频控制（比如单纯播放一个本地音频文件，并且中途不会有暂停/继续等操作），后者一般用于灵活的音频控制（比如录制一段音频，但是要等待一个事件响应才会结束）。pzh-py-speech用的是后者。下面是两种方式的音频播放使用示例：

import pyaudio

import wave

CHUNK = 1024

wf = wave.open(“test.wav”, 'rb')

p = pyaudio.PyAudio()

##########################################################

# 此为阻塞式，循环读取1024个byte音频数据去播放，直到test.wav文件数据被全部读出

stream = p.open(format=p.get_format_from_width(wf.getsampwidth()),

                channels=wf.getnchannels(),

                rate=wf.getframerate(),

                output=True)

data = wf.readframes(CHUNK)

while data != '':

    stream.write(data)

    data = wf.readframes(CHUNK)

##########################################################

# 此为非阻塞式的(callback)，系统会自动读取test.wav文件里的音频帧，直到播放完毕

def callback(in_data, frame_count, time_info, status):

    data = wf.readframes(frame_count)

    return (data, pyaudio.paContinue)

stream = p.open(format=p.get_format_from_width(wf.getsampwidth()),

                channels=wf.getnchannels(),

                rate=wf.getframerate(),

                output=True,

                stream_callback=callback)

stream.start_stream()

while stream.is_active():

    time.sleep(0.1)

##########################################################

stream.stop_stream()

stream.close()

p.terminate()

三、pzh-py-speech音频录播实现

3.1 播放实现

　　播放功能本身实现不算复杂，但pzh-py-speech里实现的是播放按钮的五种状态Start -> Play -> Pause -> Resume -> End控制，即播放中途实现了暂停和恢复，因此代码要稍微复杂一些。此处的重点是playAudioCallback()函数里的else分支，如果在暂停状态下，必须还是要给PyAudio返回一段空数据：

import wave

import pyaudio

AUDIO_PLAY_STATE_START = 0

AUDIO_PLAY_STATE_PLAY = 1

AUDIO_PLAY_STATE_PAUSE = 2

AUDIO_PLAY_STATE_RESUME = 3

AUDIO_PLAY_STATE_END = 4

class mainWin(win.speech_win):

    def __init__(self, parent):

        # ...

        # Start -> Play -> Pause -> Resume -> End

        self.playState = AUDIO_PLAY_STATE_START

    def viewAudio( self, event ):

        self.wavPath =  self.m_genericDirCtrl_audioDir.GetFilePath()

        if self.playState != AUDIO_PLAY_STATE_START:

            self.playState = AUDIO_PLAY_STATE_END

            self.m_button_play.SetLabel('Play Start')

    def playAudioCallback(self, in_data, frame_count, time_info, status):

        if self.playState == AUDIO_PLAY_STATE_PLAY or self.playState == AUDIO_PLAY_STATE_RESUME:

            data = self.wavFile.readframes(frame_count)

            if self.wavFile.getnframes() == self.wavFile.tell():

                status = pyaudio.paComplete

                self.playState = AUDIO_PLAY_STATE_END

                self.m_button_play.SetLabel('Play Start')

            else:

                status = pyaudio.paContinue

            return (data, status)

        else:

            # Note!!!:

            data = numpy.zeros(frame_count*self.wavFile.getnchannels()).tostring()

            return (data, pyaudio.paContinue)

    def playAudio( self, event ):

        if os.path.isfile(self.wavPath):

            if self.playState == AUDIO_PLAY_STATE_END:

                self.playState = AUDIO_PLAY_STATE_START

                self.wavStream.stop_stream()

                self.wavStream.close()

                self.wavPyaudio.terminate()

                self.wavFile.close()

            if self.playState == AUDIO_PLAY_STATE_START:

                self.playState = AUDIO_PLAY_STATE_PLAY

                self.m_button_play.SetLabel('Play Pause')

                self.wavFile =  wave.open(self.wavPath, "rb")

                self.wavPyaudio = pyaudio.PyAudio()

                self.wavStream = self.wavPyaudio.open(format=self.wavPyaudio.get_format_from_width(self.wavFile.getsampwidth()),

                                                      channels=self.wavFile.getnchannels(),

                                                      rate=self.wavFile.getframerate(),

                                                      output=True,

                                                      stream_callback=self.playAudioCallback)

                self.wavStream.start_stream()

            elif self.playState == AUDIO_PLAY_STATE_PLAY or self.playState == AUDIO_PLAY_STATE_RESUME:

                self.playState = AUDIO_PLAY_STATE_PAUSE

                self.m_button_play.SetLabel('Play Resume')

            elif self.playState == AUDIO_PLAY_STATE_PAUSE:

                self.playState = AUDIO_PLAY_STATE_RESUME

                self.m_button_play.SetLabel('Play Pause')

            else:

                pass

3.2 录制实现

　　相比播放功能，录制功能就简单了些，因为录制按钮状态就两种Start -> End，暂不支持中断后继续录制。这里的重点主要是音频三大参数（采样宽度，采样率，通道数）设置的支持：

import wave

import pyaudio

class mainWin(win.speech_win):

    def recordAudioCallback(self, in_data, frame_count, time_info, status):

        if not self.isRecording:

            status = pyaudio.paComplete

        else:

            self.wavFrames.append(in_data)

            status = pyaudio.paContinue

        return (in_data, status)

    def recordAudio( self, event ):

        if not self.isRecording:

            self.isRecording = True

            self.m_button_record.SetLabel('Record Stop')

            # Get the wave parameter from user settings

            fileName = self.m_textCtrl_recFileName.GetLineText(0)

            if fileName == '':

                fileName = 'rec_untitled1.wav'

            self.wavPath = os.path.join(os.path.dirname(os.path.abspath(os.path.dirname(__file__))), 'conv', 'rec', fileName)

            self.wavSampRate = int(self.m_choice_sampRate.GetString(self.m_choice_sampRate.GetSelection()))

            channels = self.m_choice_channels.GetString(self.m_choice_channels.GetSelection())

            if channels == 'Mono':

                self.wavChannels = 1

            else: #if channels == 'Stereo':

                self.wavChannels = 2

            bitDepth = int(self.m_choice_bitDepth.GetString(self.m_choice_bitDepth.GetSelection()))

            if bitDepth == 8:

                self.wavBitFormat = pyaudio.paInt8

            elif bitDepth == 24:

                self.wavBitFormat = pyaudio.paInt24

            elif bitDepth == 32:

                self.wavBitFormat = pyaudio.paFloat32

            else:

                self.wavBitFormat = pyaudio.paInt16

            # Record audio according to wave parameters

            self.wavFrames = []

            self.wavPyaudio = pyaudio.PyAudio()

            self.wavStream = self.wavPyaudio.open(format=self.wavBitFormat,

                                                  channels=self.wavChannels,

                                                  rate=self.wavSampRate,

                                                  input=True,

                                                  frames_per_buffer=AUDIO_CHUNK_SIZE,

                                                  stream_callback=self.recordAudioCallback)

            self.wavStream.start_stream()

        else:

            self.isRecording = False

            self.m_button_record.SetLabel('Record Start')

            self.wavStream.stop_stream()

            self.wavStream.close()

            self.wavPyaudio.terminate()

            # Save the wave data into file

            wavFile = wave.open(self.wavPath, 'wb')

            wavFile.setnchannels(self.wavChannels)

            wavFile.setsampwidth(self.wavPyaudio.get_sample_size(self.wavBitFormat))

            wavFile.setframerate(self.wavSampRate)

            wavFile.writeframes(b''.join(self.wavFrames))

            wavFile.close()

　　至此，语音处理工具pzh-py-speech诞生之音频录播实现痞子衡便介绍完毕了，掌声在哪里~~~

参考文档

Python解析Wav文件并绘制波形的方法

欢迎订阅

文章会同时发布到我的博客园主页、CSDN主页、微信公众号平台上。

微信搜索"痞子衡嵌入式"或者扫描下面二维码，就可以在手机上第一时间看了哦。

巴特西