问题描述
我必须以编程方式混合音频文件(向录音添加背景噪音),而且我的所有文件都是 .opus 格式的 8-9 小时录音。
我曾尝试使用 pydub.AudioSegment
在内存中加载一个,但出现以下错误:
path_to_input = '/path/to/my/input/file.opus'
sound_data = AudioSegment.from_file(path_to_input)
Traceback (most recent call last):
File "<input>",line 1,in <module>
File "/Library/Frameworks/Python.framework/Versions/3.8/lib/python3.8/site-packages/pydub/audio_segment.py",line 728,in from_file
fix_wav_headers(p_out)
File "/Library/Frameworks/Python.framework/Versions/3.8/lib/python3.8/site-packages/pydub/audio_segment.py",line 142,in fix_wav_headers
raise CouldntDecodeError("Unable to process >4GB files")
pydub.exceptions.CouldntDecodeError: Unable to process >4GB files
显然我不能使用 pydub.AudioSegment
来加载我的文件,因为它们太大了(我试图打开的文件实际上在磁盘上有 48MB,所以我猜它们太大了,无法加载到内存中 {{1 }}?)。无论如何,我已经设法使用 pydub
加载文件。
librosa
我认为我可以通过从 sample_rate = 8000
sound_data_librosa = librosa.load(path_to_input,sr=sample_rate,res_type='kaiser_best')
sound_data_librosa = sound_data_librosa[0]
(它是一个 pydub.audio_segment.AudioSegment
)创建一个 sound_data_librosa
对象来解决这个问题。
numpy.ndarray
这似乎工作正常,但是当我将它写回磁盘时,它听起来像是随机噪音。
sound_data = AudioSegment(
sound_data_librosa.tobytes(),frame_rate=sample_rate,sample_width=sound_data_librosa.dtype.itemsize,channels=1
)
所以我还没有修改任何东西,但不知何故我丢失了所有的音频数据。我无法理解到底是什么问题。有什么我做错的地方可以修复,这样我就不会扭曲音频数据吗?
另外,我不一定要这样做,只是我一直在使用 path_to_output = '/path/to/my/output/file.opus'
sound_data.export(path_to_output,format="opus")
来修改我的音频文件(应用增益、叠加、作为 .opus 文件写入磁盘)为什么我需要将它们作为 pydub.AudioSegment
对象加载。如果有另一种方法可以在 python 中做同样的事情,如果你能指出它,我将不胜感激。我主要担心的是缺乏对 .opus 文件(读取和写入)的支持,这就是我尝试坚持使用 pydub.audio_segment.AudioSegment
的原因。
解决方法
是的,在 MacOS 上使用 opus
和 ffmpeg
有一些奇怪之处。我试图修复文件大小问题一段时间,但没有任何进展。
相反,我建议将文件转换为 wav
(或任何其他好的(:格式)并尝试使用它。
我尝试将 42MB 的 opus 文件转换为 WAV,结果大约为 2.7GB,但不知何故 pydub
能够读取它。
你可以使用这样的东西来转换文件
import subprocess
def convert_to_wav(name):
command = ['ffmpeg','-i',f'{name}.opus',f'{name}.wav']
subprocess.run(command,stdout=subprocess.PIPE,stdin=subprocess.PIPE)
或者在 GitHub 上 ping pydub
的所有者