如何从pydub AudioSegment创建numpy数组？

Question

我知道以下问题：How to create a pydub AudioSegment using an numpy array?

我的问题正好相反。如果我有一个pydub AudioSegment，我如何将它转换成numpy数组？

我想使用scipy滤镜等等。我不太清楚AudioSegment原始数据的内部结构是什么。

Answer 1

Pydub有一个获取audio data as an array of samples的工具，它是一个array.array实例(不是numpy数组)，但您应该能够相对容易地将其转换为numpy数组：

from pydub import AudioSegment
sound = AudioSegment.from_file("sound1.wav")

# this is an array
samples = sound.get_array_of_samples()

不过，您可以创建该实现的numpy变体。该方法的实现非常简单：

def get_array_of_samples(self):
    """
    returns the raw_data as an array of samples
    """
    return array.array(self.array_type, self._data)

从(修改？)创建新的音频段样本数组也是可能的：

new_sound = sound._spawn(samples)

上面的代码有点老生常谈，它是为AudioSegment类内部使用而编写的，但它主要是找出您正在使用的音频数据的类型(样本数组、样本列表、字节、字节串等)。尽管有下划线前缀，但使用它是安全的。

Answer 2

您可以从AudioSegment获取array.array，然后将其转换为numpy.ndarray

from pydub import AudioSegment
import numpy as np
song = AudioSegment.from_mp3('song.mp3')
samples = song.get_array_of_samples()
samples = np.array(samples)

Answer 3

现有的答案没有一个是完美的，它们错过了重塑和样本宽度。我已经编写了这个函数来帮助将音频转换为np中的标准音频表示：

def pydub_to_np(audio: pydub.AudioSegment) -> (np.ndarray, int):
    """
    Converts pydub audio segment into np.float32 of shape [duration_in_seconds*sample_rate, channels],
    where each value is in range [-1.0, 1.0]. 
    Returns tuple (audio_np_array, sample_rate).
    """
    return np.array(audio.get_array_of_samples(), dtype=np.float32).reshape((-1, audio.channels)) / (
            1 << (8 * audio.sample_width - 1)), audio.frame_rate