python - 如何在音频(.wav 或 .mp3)文件中获取每秒或 ms 的帧数(或样本数)？

Question

我一直在观察 scipy.io.wavfile 下的音频文件

帧速率为 44100 per sec or hz总帧数为 9745238并且音频的持续时间是220 secs通过文件属性，但它应该是 220.9804535147392并且有 2 channel 。

读取文件后它返回给我一个 9745238 X 2 16bit signed int 的矩阵正如预期的那样

其中 1 列是 channel 1 数据，2 列是相应 9745238 帧的 channel 2 数据

所以我的问题是有什么可靠的方法可以每秒或毫秒找到这些值(连续 1、2 个 channel ，即每一行或矩阵)？

有什么猜测吗？

编辑 1

我引用了一个非常直观的讨论 here

我想我需要的只是比特率 这是bitrate = sampleRate * bitDepth但是我怎样才能得到位深 是sample size / sample width或者是其他东西。

Answer 1

所以，我想要每秒的比特数，在做了一些研究之后，我发现我需要每个比特的速率，即 比特率 ，当然位深 是每个样本的位数(恒定)。

如果我们使用 wave 来理解这一点模块打印文件的第一帧，我们得到这样的东西。

b'\x00\x00\x00\x00'

如您所见，它是 16bit-unicoded字符串，并将其转换为 16bit signed int使用 numpy .

喜欢 np.fromstring(wav.readframes(1), np.int16)
它会给你 [0 0] 即第一帧中每个 channel 的 8 位。

由于 frameRate 是 44100 ，因此 bitrate = frame_rate (44100) * bitDepth (16)对于每个向量，例如。 [0 0]，然后我们将这个值乘以 channel 数(在我的情况下为 2)，以获得关于位的答案。

编辑 1

而采样率和帧率是两个不同的东西，一帧由样本数组成，sample_width 是每个样本的大小。

例如。考虑音频_作为示例表示并具有 3 channel ，4帧，那么它将被表示为这样的东西。
[_ _ _] [_ _ _] [_ _ _] [_ _ _]
如果您使用 scipy 查看矩阵然后库而不是 _将有一些数字，其值将根据解码的字符串，并且以另一种方式放置语句，我们可以说矩阵中的每个元素都是一个样本。

所以音频中总共有 12 个样本，如果我们假设歌曲的持续时间是，1 sec然后 frame_rate 将是 4hz和 sample_rate 将是 12hz .

有关更多信息，您可以引用这些讨论中的答案。

sound.stackexchange

theDontOvelookCommentsSection

this one too