如何将 MP3 音频文件读入 numpy 数组/将 numpy 数组保存到 MP3？

Question

有没有办法通过与scipy.io.wavfile.read 和scipy.io.wavfile.write 类似的API 将MP3 音频文件读入/写出numpy 数组：

sr, x = wavfile.read('test.wav')
wavfile.write('test2.wav', sr, x)

?

注意：pydub 的 AudioSegment 对象不能直接访问 numpy 数组。

^{PS：我已经阅读了Importing sound files into Python as NumPy arrays (alternatives to audiolab)，尝试了所有答案，包括那些需要Popen ffmpeg 并从stdout 管道中读取内容等的答案。我还阅读了Trying to convert an mp3 file to a Numpy Array, and ffmpeg just hangs 等。 ，并尝试了主要答案，但没有简单的解决方案。在花了几个小时之后，我将其发布在此处，并附有“回答你自己的问题——分享你的知识，问答式”。我也读过How to create a numpy array from a pydub AudioSegment?，但这并不容易涵盖多通道情况等。}

Answer 1

调用ffmpeg 并手动解析其stdout，正如许多关于阅读MP3 的帖子中所建议的那样是一项乏味的任务（许多极端情况，因为可能有不同数量的通道等），所以这是一个使用的工作解决方案pydub（你需要先pip install pydub）。

此代码允许将 MP3 读取到 numpy 数组/将 numpy 数组写入 MP3 文件使用与 scipy.io.wavfile.read/write 类似的 API：

import pydub 
import numpy as np

def read(f, normalized=False):
    """MP3 to numpy array"""
    a = pydub.AudioSegment.from_mp3(f)
    y = np.array(a.get_array_of_samples())
    if a.channels == 2:
        y = y.reshape((-1, 2))
    if normalized:
        return a.frame_rate, np.float32(y) / 2**15
    else:
        return a.frame_rate, y

def write(f, sr, x, normalized=False):
    """numpy array to MP3"""
    channels = 2 if (x.ndim == 2 and x.shape[1] == 2) else 1
    if normalized:  # normalized array - each item should be a float in [-1, 1)
        y = np.int16(x * 2 ** 15)
    else:
        y = np.int16(x)
    song = pydub.AudioSegment(y.tobytes(), frame_rate=sr, sample_width=2, channels=channels)
    song.export(f, format="mp3", bitrate="320k")

注意事项：

• 目前仅适用于 16 位文件（即使 24 位 WAV 文件很常见，但我很少看到 24 位 MP3 文件...这存在吗？）
• normalized=True 允许使用浮点数组（[-1,1) 中的每个项目）

使用示例：

sr, x = read('test.mp3')
print(x)

#[[-225  707]
# [-234  782]
# [-205  755]
# ..., 
# [ 303   89]
# [ 337   69]
# [ 274   89]]

write('out2.mp3', sr, x)

Answer 2

您可以使用 audio2numpy 库。 安装

pip install audio2numpy

那么，您的代码将是：

import audio2numpy as a2n
x,sr=a2n.audio_from_file("test.mp3")

对于写作，请使用@Basj 的答案