前言

今天開始進入近期系列文章的第一篇，如何用 Python 來實現錄音功能。

在開始"造輪子"之前，個人一直強調一個觀點，如果有些東西已經有了，不妨直接去 github 上搜，用現成的就好。關于這個想法，其實 github 上已經有人實現了。

但是有些細節點，和我想的不太一樣。所以呢，我還是決定自己體驗一波流程，順便踩踩坑，畢竟是從興趣出發。

而在上篇文章留言區中，有個小伙伴也提出，其實在去年，就已經用樹莓派實現了這系列的功能，我覺得還是蠻有意思的一件事。

下面進入正題。

環境準備

開始之前，先要介紹的是今天的主角，PyAudio。

這款第三方庫，是一個跨平臺音頻庫。

跨平臺的性質，不用多說了吧！就是多面兼容你的系統，不論你是用的 windows 、mac、linux，它都是支持的。

安裝命令如下： pip install PyAudio

mac的同志們，需要注意下，安裝的時候可能會報錯，安裝如下即可。

brew install portaudio

完備的第三方庫都會有對應的文檔，地址如下：

https://people.csail.mit.edu/hubert/pyaudio/docs/#pyaudio

錄音功能實現

先來介紹一下，如何使用它來進行錄制音頻功能！

PS: 音頻方面的東西，我之前也沒過多了解，近期寫了 PyAudio 庫的代碼實現后才發現，要想明白代碼的含義，還要有一些音頻方面的知識作為前置儲蓄，所以下面我會結合代碼去通俗講解，若有哪里不對的地方，歡迎評論區留言指出！

先來看代碼。

設定參數：

CHUNK = 1024  # 每個緩沖區的幀數FORMAT = pyaudio.paInt16  # 采樣位數CHANNELS = 1  # 單聲道RATE = 44100  # 采樣頻率

設定具體實現的參數，分別有 緩沖區幀數、采樣位數、聲道模式、采樣頻率。

具體實現錄音代碼：

def record_audio(wave_out_path, record_second):    """ 錄音功能 """    p = pyaudio.PyAudio()  # 實例化對象    stream = p.open(format=FORMAT,                    channels=CHANNELS,                    rate=RATE,                    input=True,                    frames_per_buffer=CHUNK)  # 打開流，傳入響應參數    wf = wave.open(wave_out_path, 'wb')  # 打開 wav 文件。    wf.setnchannels(CHANNELS)  # 聲道設置    wf.setsampwidth(p.get_sample_size(FORMAT))  # 采樣位數設置    wf.setframerate(RATE)  # 采樣頻率設置    for _ in range(0, int(RATE * record_second / CHUNK)):        data = stream.read(CHUNK)        wf.writeframes(data)  # 寫入數據    stream.stop_stream()  # 關閉流    stream.close()    p.terminate()    wf.close()

先用正常代碼邏輯思維解釋下，其中涉及到的專業名詞，繼續往下看，后面會有相應的解釋。

首先對 pyaudio 庫進行實例化。用其生成的實例化對象對數據流進行相應的打開，也就是 open 函數。在這塊，分別傳入了參數，采樣位數、聲道、采樣頻率，以及最后的緩沖區幀數。

調用 Python 自帶的 wave 庫，再次進行寫入 wav 的相關設置。此處的操作類似 Python 寫 txt ，只不過多了點音頻設置而已。

用 采樣頻率 * 音頻秒數/ 每個緩沖區幀數 ，得到的就是你要寫入多少個塊緩沖區的數量。最終，只需要每次循環寫入固定的 1024，一共循環得出的多少個塊緩沖區。即可得到最終的數據。

這里的公式計算，如果在不了解下述基礎概念之前，是很難理解的。

音頻基礎知識普及

看了上面的代碼解釋，是不是一臉懵逼。來普及下所涉及到的專業名詞。

首先， wav 和 mp3 的后綴結尾，有什么不同？

其次，關鍵的名詞解釋。

采樣位數：可以理解數字音頻設備處理聲音的解析度，即對聲音的辨析度。就像表示顏色的位數一樣(8位表示256種顏色，16位表示65536種顏色)，有8位，16位等。這個數越大，解析度就越高，錄制和回放的聲音也就越真實。

采樣頻率：就是對聲音信息1秒鐘采樣多少次，以記錄成數字信息。如CD音頻是44.1KHz采樣率，它對聲音以每秒44100次的頻率來記錄信息。原則上采樣率越高，聲音的質量越好。

截取了一段百度百科的例子，關于采樣頻率的設定，代碼中選擇的即 44100 Hz 。

每個緩沖區幀數：通俗的舉個例子，你手里有 102400 塊錢，現在要上交給女朋友。但是，你心想一口氣全給她，怕撐爆了她的錢包。于是你定了一個值，每次只給她 1024 元。

這里的 1024 元即每個緩存區的幀數。你想全部上交，需要幾次才能完成呢？是不是得重復上交這個動作 100 次！此時，這里的 100 次，便對應了上述代碼的循環次數，即公式算出來的有多少個塊緩存區。

弄懂音頻基礎知識后，再去回看代碼，你會發現那些參數的意義就一目了然了。

播放功能實現

有了以上知識點，對于讀文件來說，就相當 easy 了！直接放上核心代碼：

def play_audio(wave_input_path):    p = pyaudio.PyAudio()  # 實例化    wf = wave.open(wave_input_path, 'rb')  # 讀 wav 文件    stream = p.open(format=p.get_format_from_width(wf.getsampwidth()),                    channels=wf.getnchannels(),                    rate=wf.getframerate(),                    output=True)    data = wf.readframes(CHUNK)  # 讀數據    while len(data) > 0:        stream.write(data)        data = wf.readframes(CHUNK)    stream.stop_stream()  # 關閉資源    stream.close()    p.terminate()

讀文件的話，沒有什么可講的，我是直接從官方文檔的例子中 copy 的，修改了一下相應的參數，即可實現。

總結

總的來說，音頻的操作，Python中的 PyAudio 庫是非常友好的，當然，經過各種查閱資料，發現在寫入音頻文件時，不同人有不同的寫法，而文中的這套公式算法，應該是較為簡潔的一種。

老規矩，有想要本章全部源碼的同學，后臺回復 音頻 ，即可獲得地址。

文中關于音頻的解釋，哪里有錯誤，歡迎評論區留言指出！

總結

以上是生活随笔為你收集整理的python计算wav的语谱图_Python实现电脑录音（含音频基础知识讲解）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。