我想从 mp3 音轨中删除人声。我搜索了谷歌，并尝试了一些软件，但没有一个是令人信服的。我打算读取 mp3 文件，获取波形并删除超出指定限制的波形。
您对如何进行有任何建议。
-- 更新
我只想要可以读取 mp3 文件格式的代码。有什么软件吗？？
【问题讨论】：
标签： algorithm audio mp3 signal-processing voice
超出指定限制？听起来像一个高通滤波器……如果你有无伴奏合唱音轨和原音轨，你可以使用相位抵消。否则，除非它是一首 60 年代的旧音轨，人声直接在中间并且其他所有内容都很难平移，否则我认为没有一种超级干净的去除人声的方法。
【讨论】：
这与其说是一种“算法”，不如说是一种“技巧”，但它可以在代码中实现自动化。它主要适用于人声居中的立体声轨道。如果人声居中，则它们在两条轨道中均等地表现出来。如果您反转其中一个音轨，然后将它们重新合并在一起，则中心人声的波形会抵消并实际上被移除。您可以使用大多数优秀的音频编辑器（如 Audacity）手动执行此操作。它不会给你完美的结果，其余的音频也会受到一些影响，但它可以制作出很棒的卡拉 OK 曲目:)
【讨论】：
来源：http://www.cdf.utoronto.ca/~csc209h/summer/a2/a2.html，作者 Daniel Zingaro。
声音是气压波。什么时候 产生声音，声波 包括压缩（增加 在压力中）和稀有度 （压力降低）通过 空气。这类似于什么 如果你把一块石头扔进一个 池塘：水的上升和下降 重复波。
当麦克风录制声音时，它 测量气压 并将其作为值返回。这些 值称为样本，可以是 正或负对应 空气增加或减少 压力。每次气压 被记录下来，我们正在采样 声音。每个样本都记录声音 在一瞬间；我们越快 样品，越准确是我们的 声音的表示。这 采样率是指多少次 每秒我们对声音进行采样。为了 例如，CD 品质的声音使用 每 44100 个样本的采样率 第二;采样某人的声音 在 VOIP 对话中使用 使用 far 少于这个。采样率 11025（语音质量）、22050 和 44100（CD质量）很常见...
对于单声道声音（只有一个声音 通道），样本只是一个 正整数或负整数 表示压缩量 在空气中样品所在的点 采取。对于立体声（我们使用 在这个作业中），一个样本是 实际上由两个整数组成 值：一个用于左扬声器和 一个正确的...
以下是[去除人声]算法的工作原理。
将前 44 个字节从输入文件逐字复制到输出 文件。这 44 个字节包含重要的 不应该的标头信息 修改。
接下来，将输入文件的其余部分视为短序列。拿 左右各一条短裤， 并计算组合 =（左 - 右） /2.写两份合并到 输出文件。
为什么会这样？
对于好奇的，一个简短的解释 人声去除算法的 命令。正如你从 算法，我们只是简单地减去 一个频道来自另一个频道（然后 除以 2 以保持音量 声音太大）。那为什么 减去左声道 右声道神奇地去除人声？
录制音乐时，它是 有时人声是 由单个麦克风录制，以及 该单声道用于 两个声道的人声。另一个 歌曲中的乐器被录制 通过多个麦克风，使他们 两个声道的声音不同。 从另一个通道中减去一个通道 带走所有“在 这两个通道之间的共同点 如果幸运的话，这意味着移除 人声。
当然，事情很少能如此顺利。 试试你的声音去除器 badly-behaved wav file。当然， 人声不见了，但身体也不见了 音乐！显然，一些 还记录了乐器 “居中”，以便将它们删除 与人声一起当频道 被减去。
【讨论】：
wav demux error: cannot peek wav demux error: cannot find 'data' chunk wav demux error: An error occurred during wav demuxing ps demux error: cannot peek mpgv demux error: cannot peek mjpeg demux error: cannot peek ps demux error: cannot peek core input error: no suitable demux module for file/any:///home/srinivas/workspace/Extract%20Vocals/output.wav 有什么建议吗？
您可以使用pydub工具箱，详情见here，相关问题见here。它依赖于FFmpeg 并且可以读取任何文件格式
然后您可以执行以下操作：
from pydub import AudioSegment
from pydub.playback import play
# read in audio file and get the two mono tracks
sound_stereo = AudioSegment.from_file(myAudioFile, format="mp3")
sound_monoL = sound_stereo.split_to_mono()[0]
sound_monoR = sound_stereo.split_to_mono()[1]
# Invert phase of the Right audio file
sound_monoR_inv = sound_monoR.invert_phase()
# Merge two L and R_inv files, this cancels out the centers
sound_CentersOut = sound_monoL.overlay(sound_monoR_inv)
# Export merged audio file
fh = sound_CentersOut.export(myAudioFile_CentersOut, format="mp3")
【讨论】：