使用Python从twilio媒体流中解析音频

Question

我使用Twilio流向本地服务器传送呼叫音频。作为参考，我借鉴了来自Twilio团队的官方指南。

解码音频并将其保存到.wav文件中是有效的，尽管当播放音频时有些不舒服(使用压缩技巧的“慢动作”)。你可以在这里的声音云上听它。与来自twilio控制台的twilio提供的音频记录进行相同的调用相比，存在着明显的差异。现在，我想让流中的音频听起来像理想的一样好，因为我需要将它输入自定义的ML模型。

当使用以下代码比较上述音频文件时：

import pywav
wave_read = pywav.WavRead("filename.wav")
print(wave_read.getparams())

我们得到：

Twilio音频： {'numchannels'：1，'samplerate'：8000个，'byterate'：16000，'bytespersample'：2，'bitspersample'：16，'samplelength'：82998，'audioformat'：'PCM (无压缩)‘}}

流音频： {'numchannels'：1，'samplerate'：8000个，'byterate'：16000，'bytespersample'：2，'bitspersample'：16，'samplelength'：69120，'audioformat'：'PCMU (带mu-law压缩)‘}}

我相当肯定，问题在于如何将解码的字节从流保存到文件中。

  if data['event'] == "media":
        if not has_seen_media:
            recorded.append(base64.b64decode(data['media']['payload']))
            app.logger.info("Media message: {}".format(message))
            payload = data['media']['payload']
            app.logger.info("Payload is: {}".format(payload))
            chunk = base64.b64decode(payload)
            recorded.append(chunk)
            app.logger.info("That's {} bytes".format(len(chunk)))
            app.logger.info("Additional media messages from WebSocket are being suppressed....")
            has_seen_media = False
    if data['event'] == "closed":
        app.logger.info("Closed Message received: {}".format(message))
        break
    message_count += 1


app.logger.info("Connection closed. Received a total of {} messages".format(message_count))
data_bytes = b''.join(recorded)
wave_write = pywav.WavWrite("Recording.wav", 1,8000,8,7)  # 1 stands for mono channel, 8000 sample rate, 8 bit, 7 stands for MULAW encoding
wave_write.write(data_bytes)
wave_write.close()

注意:我已经将WavWrite函数中的位从8位更改为16位，音频质量没有差别。

我看过从这个以前在StackOverflow上的文章实现代码片段的方法。虽然没有成功。

如何提高保存的音频文件的质量？(最好在python中)。

Answer 1

我想我知道问题出在哪里。在循环中，将解码后的音频添加到有效负载数组中两次：

recorded.append(base64.b64decode(data['media']['payload'])) # <<< Adding the payload for the first time
app.logger.info("Media message: {}".format(message))
payload = data['media']['payload']
app.logger.info("Payload is: {}".format(payload))
chunk = base64.b64decode(payload)
recorded.append(chunk) # <<< Adding the payload for the second time

如果你听音频，它是缓慢的，因为它似乎是重复每个块。如果你剪掉上面的一条线，我想你会有正确的声音。