Ⅰ python語言錄制聲音和保存wav文件的庫文件是什麼
是pyaudio。
因為錄知豎音，是由計算機內部音效卡實現的，所以我們需要利用pyaudio庫調用音效卡進行聲音錄制，而保存音頻文件我們可以使用python自帶的wave庫來將音頻保存為wav音頻文件，所以python語言錄制聲音和保存wav文件的庫文件是pyaudio。
語言錄音又稱對白錄音，有聲影片電影錄音的主要工作內容之一，根搭檔大據影片的內容和藝術要求，把演員的對白、旁白和內心蠢芹獨白記錄下來的過程。
Ⅱ python把mp4改為單聲道
可以使用Python的第三方磨鉛空庫ffmpeg進行音頻轉換，可以輕松將mp4改為單聲道。此外，還可以使用Python的moviepy庫對mp4文件進行處理，也可以把瞎瞎mp4改為單聲道的激配音頻。
Ⅲ Python pyb音頻處理
Pyb可以讓你用簡單的方式處理音頻。
Pyb提供了簡潔的高層介面，極大的擴展了python處理音頻文件的能力。
GitHub鏈接： pyb-github
GitHub:
pyb的使用必須安裝對應的依賴軟體 ffmpeg 或 avconv
驗證是否安裝成功：
Open a WAV file
Open a mp3 file
Open a other file
切割音頻
分貝操作
分貝（decibel）是量度兩個相同單位之數量比例正陵的計量單位，主要用於度量聲宴謹音強度，常用dB表示。
音頻鏈接
將一個文件添加到另一個文件的末尾
音頻長度
淡入淡出
重復音頻
再次淡入淡出
直接保存
所有ffmpeg支持舉祥戚的都支持
用標簽保存結果（元數據）
實例：
將mp3文件轉換成wav文件：
Python音頻處理庫 pyb
Ⅳ Python 簡單的擴音，音頻去噪，靜音剪切
數字信號是通過對連續的模擬信號采樣得到的離散的函數。它可以簡單看作一個以時間為下標的數組。比如，x[n]，n為整數。比如下圖是一個正弦信號(n=0,1, ..., 9)：
對於任何的音頻文件，實際上都是用這種存儲方式，比如，下面是對應英文單詞「skip」的一段信號(只不過由於點太多，筆者把點用直線連接了起來）：
衡量數字信號的 能量（強度） ，只要簡單的求振幅平方和即可：
我們知道，聲音可以看作是不同頻率的正弦信號疊加。那麼給定一個聲音信號（如上圖），怎麼能夠知道這個信號在不同頻率區段上的強度呢？答案是使用離散傅里葉變換。對信號x[n], n=0, ..., N-1，通常記它的離散傅里葉變換為X[n]，它是一個復值函數。
比如，對上述英文單詞「skip」對應的信號做離散傅里葉變換，得到它在頻域中的圖像是：
可以看到能量主要集中在中低音部分（約16000Hz以下）。
在頻山清域上，也可以計算信號的強度，因為根據Plancherel定理，有：
對於一般的語音信號，長度都至少在1秒以上，有時候我們需要把其中比如嘩敬25毫秒的一小部分單獨拿出來研究。將一個信號依次取小段的操作，就稱作分幀。技術上，音頻分幀是通過給信號加一系列的 窗 函數 實現的。
我們把一種特殊的函數w[n]，稱作窗函數，如果對所有的n，有0<=w[n]<=1，且只有有限個n使得w[n]>0。比如去噪要用到的漢寧窗，三角窗。
漢寧窗
三角窗
我們將平移的窗函數與原始信號相乘，便得到信號的「一幀」：
w[n+d]*x[n]
比如用長22.6毫秒的漢寧窗加到「skip」信號大約中間部位上，得到一幀的信號：
可見除一有限區逗蘆前間之外，加窗後的信號其他部分都是0。
對一幀信號可以施加離散傅里葉變換（也叫短時離散傅里葉變換），來獲取信號在這一幀內（通常是很短時間內），有關頻率-能量的分布信息。
如果我們把信號按照上述方法分成一幀一幀，又將每一幀用離散傅里葉變換轉換到頻域中去，最後將各幀在頻域的圖像拼接起來，用橫坐標代表時間，縱坐標代表頻率，顏色代表能量強度（比如紅色代表高能，藍色代表低能），那麼我們就構造出所謂 頻譜圖 。比如上述「skip」發音對應的信號的頻譜圖是：
（使用5.8毫秒的漢寧窗）
從若干幀信號中，我們又可以恢復出原始信號。只要我們適當選取窗口大小，以及窗口之間的平移距離L，得到 ..., w[n+2L], w[n+L], w[n], w[n-L], w[n-2L], ...，使得對k求和有：
從而簡單的疊加各幀信號便可以恢復出原始信號：
最後，注意窗函數也可以在頻域作用到信號上，從而可以起到取出信號的某一頻段的作用。
下面簡單介紹一下3種音效。
1. 擴音
要擴大信號的強度，只要簡單的增大信號的「振幅」。比如給定一個信號x[n]，用a>1去乘，便得到聲音更大的增強信號：
同理，用系數0<a<1去乘，便得到聲音變小的減弱信號。
2. 去噪（降噪）
對於白噪音，我們可以簡單的用「移動平均濾波器」來去除，雖然這也會一定程度降低聲音的強度，但效果的確不錯。但是，對於成分較為復雜，特別是頻段能量分布不均勻的雜訊，則需要使用下面的 雜訊門 技術，它可以看作是一種「多帶通濾波器」。
這個特效的基本思路是：對一段雜訊樣本建模，然後降低待降噪信號中雜訊的分貝。
更加細節的說，是在信號的若干頻段f[1], ..., f[M]上，分別設置雜訊門g[1], ..., g[M]，每個門都有一個對應的閾值，分別是t[1], ..., t[M]。這些閾值時根據雜訊樣本確定的。比如當通過門g[m]的信號強度超過閾值t[m]時，門就會關閉，反之，則會重新打開。最後通過的信號便會只保留下來比雜訊強度更大的聲音，通常也就是我們想要的聲音。
為了避免雜訊門的開合造成信號的劇烈變動，筆者使用了sigmoid函數做平滑處理，即雜訊門在開-關2個狀態之間是連續變化的，信號通過的比率也是在1.0-0.0之間均勻變化的。
實現中，我們用漢寧窗對信號進行分幀。然後對每一幀，又用三角窗將信號分成若干頻段。對雜訊樣本做這樣的處理後，可以求出信號每一頻段對應的閾值。然後，又對原始信號做這樣的處理（分幀+分頻），根據每一幀每一頻段的信號強度和對應閾值的差（diff = energy-threshold），來計算對應雜訊門的開合程度，即通過信號的強度。最後，簡單的將各頻段，各幀的通過信號疊加起來，便得到了降噪信號。
比如原先的「skip」語音信號頻譜圖如下：
可以看到有較多雜音（在高頻，低頻段，藍色部分）。採集0.25秒之前的聲音作為雜訊樣本，對信號作降噪處理，得到降噪後信號的頻譜圖如下：
可以明顯的看到大部分噪音都被清除了，而語音部分仍完好無損，強度也沒有減弱，這是「移動平均濾波器」所做不到的。
3. 靜音剪切
在對音頻進行上述降噪處理後，我們還可以進一步把多餘的靜音去除掉。
剪切的原理十分簡單。首先用漢寧窗對信號做分幀。如果該幀信號強度過小，則捨去該幀。最後將保留的幀疊加起來，便得到了剪切掉靜音部分的信號。
比如，對降噪處理後的「skip」語音信號做靜音剪切，得到的新信號的頻譜圖為：
Ⅳ 利用python和麥克風進行語音數據採集的流程
使用 Python 和麥克風進行語音數據採集的流程可能包括以下步驟：
安裝並導入相應的庫：需要安友老裝並導入 PyAudio 庫，這個庫可以讓你在 Python 中野基操作麥克風。
打開麥克風：使用 PyAudio 庫打開麥克風，並設置采樣率，采樣位數等參數。
開始錄音：頌告謹使用 PyAudio 庫的 read 方法從麥克風中讀取語音數據。
存儲數據：使用 Python 的文件操作函數將讀取到的語音數據存儲到本地磁碟上。
關閉麥克風：使用 PyAudio 庫關閉麥克風。
處理數據:在結束採集之後可以對音頻數據進行處理，比如語音識別，語音合成,語音壓縮等.
注意：請確保在你的系統中已經安裝好了麥克風驅動，並且在 Python 代碼中有足夠的許可權訪問麥克風。
Ⅵ python播放音頻
anaconda建立環境 python=3.7.9
切換到虛擬環境里
安裝pyaudio
這個庫好像只能播放.wav文件
而且wav文件內部有不同的格式 我們需要sox轉換格式
sox在python里安裝 pip install sox
注意 這是sox和python的介面 真吵答祥正的sox文件得自己裝一下
裝完了還升搏得配置環境變數
sox資源安排：
https://pan..com/s/1ar8wQc1Xdml9BJpuJ-ubrg
安裝完後，就可以轉換wav的內部格式了
在音樂文件路徑下打開cmd或者powershell執行
sox voice.wav -b 16 -e signed-integer 00.wav
可以看到由voice.wav生成了新的文舉扒件 00.wav