python已經(jīng)支持WAV格式的書寫，而實時的聲音輸入輸出需要安裝pyAudio。最后我們還將使用pyMedia進(jìn)行Mp3的解碼和播放。

音頻信號是模擬信號，我們需要將其保存為數(shù)字信號，才能對語音進(jìn)行算法操作，WAV是Microsoft開發(fā)的一種聲音文件格式，通常被用來保存未壓縮的聲音數(shù)據(jù)。

語音信號有四個重要的參數(shù)：聲道數(shù)、采樣頻率、量化位數(shù)(位深)和比特率。

聲道數(shù)：可以是單聲道、雙聲道...

采樣頻率(Samplerate)：每秒內(nèi)對聲音信號采樣樣本的總數(shù)目，44100Hz采樣頻率意味著每秒鐘信號被分解成44100份。換句話說，每隔144100秒就會存儲一次，如果采樣率高，那么媒體播放音頻時會感覺信號是連續(xù)的。

量化位數(shù)(Bitdepth)：也稱為“位深”，每個采樣點中信息的比特(bit)數(shù)。1byte等于8bit。通常有8bit、16bit、24bit、32bit...

比特率(Bitrate):每秒處理多少個Bit。比如一個單聲道，用44.1KHz/16Bit的配置來說，它的比特率就為44100*16*1=705600，單位是bit/s(或者bps)，因為通常計算出來的數(shù)字都比較大，大家就用kbit/s了，也就是705.6kbit/s。在對音頻進(jìn)行壓縮時，比特率就成為了我們的一個要選的選項了，越高的比特率，其音質(zhì)也就越好。一些常用的比特率有：

32kbit/s：一般只適用于語音

96kbit/s：一般用于語音或低質(zhì)量流媒體

128或160kbit/s：中等比特率質(zhì)量

192kbit/s：中等質(zhì)量比特率

256kbit/s：常用的高質(zhì)量比特率

320kbit/s：MP3標(biāo)準(zhǔn)支持的最高水平

如果你需要自己錄制和編輯聲音文件，推薦使用Audacity，它是一款開源的、跨平臺、多聲道的錄音編輯軟件。在我的工作中經(jīng)常使用Audacity進(jìn)行聲音信號的錄制，然后再輸出成WAV文件供Python程序處理。

如果想要快速看語音波形和語譜圖，推薦使用AdobeAudition，他是Adobe公司開發(fā)專門處理音頻的專業(yè)軟件，微博關(guān)注vposy，下載地址見置頂。他破解了很多adobe公司的軟件，包括PS、PR...

以上內(nèi)容為大家介紹了python音頻信號，希望對大家有所幫助，如果想要了解更多Python相關(guān)知識，請關(guān)注IT培訓(xùn)機(jī)構(gòu):千鋒教育。