python - 带麦克风输入的Python Librosa

因此，我试图使librosa可以使用麦克风输入而不是仅使用wav文件，并且遇到了一些问题。最初，我使用pyaudio库连接到麦克风，但无法转换此数据供librosa使用。关于应该如何处理的任何建议，或者甚至可能吗？

我尝试过的一些事情包括从pyaudio麦克风接收数据，将其解码为浮点数组并将其传递给librosa(从文档中可以看出，这是librosa对带有.load的wav文件所做的工作)，但它不能像它产生以下错误:
“librosa.util.exceptions.ParameterError:音频缓冲区不是到处都是有限的”

FORMAT = pyaudio.paInt16
RATE = 44100
CHUNK = 2048
WIDTH = 2
CHANNELS = 2
RECORD_SECONDS = 5

stream = audio.open(format=FORMAT,
                    channels = CHANNELS,
                    rate = RATE,
                    input=True,
                    output=True,
                    frames_per_buffer=CHUNK)
while True:
        data = stream.read(CHUNK)
        data_float = np.fromstring(data , dtype=np.float16)
        data_np = np.array(data_float , dtype='d')
        # data in 1D array
        mfcc = librosa.feature.mfcc(data_np.flatten() , 44100)
        print(mfcc)

最佳答案

您可以使用callback中的pyaudio函数来完成此操作。我认为使用类(class)更容易。

在构造函数__init__中，定义所有需要的常量，并将FORMAT设置为pyaudio.paFloat32，以便以后将其与librosa结合使用。

然后在start方法中，打开音频流。 stream_callback中的.open()参数使您可以指定实现函数的方式。
callback方法采用in_data, frame_count, time_info, flag作为参数，然后您以二进制形式接收in_data。因此，您需要使用np.frombuffer(in_data, dtype=np.float32)将它们转换为numpy数组。

完成此操作后，您可以像使用librosa一样正常使用numpy.ndarray
我认为可以对其进行优化，但是该解决方案对我来说效果很好，希望对您有所帮助:)

import numpy as np
import pyaudio
import time
import librosa

class AudioHandler(object):
    def __init__(self):
        self.FORMAT = pyaudio.paFloat32
        self.CHANNELS = 1
        self.RATE = 44100
        self.CHUNK = 1024 * 2
        self.p = None
        self.stream = None

    def start(self):
        self.p = pyaudio.PyAudio()
        self.stream = self.p.open(format=self.FORMAT,
                                  channels=self.CHANNELS,
                                  rate=self.RATE,
                                  input=True,
                                  output=False,
                                  stream_callback=self.callback,
                                  frames_per_buffer=self.CHUNK)

    def stop(self):
        self.stream.close()
        self.p.terminate()

    def callback(self, in_data, frame_count, time_info, flag):
        numpy_array = np.frombuffer(in_data, dtype=np.float32)
        librosa.feature.mfcc(numpy_array)
        return None, pyaudio.paContinue

    def mainloop(self):
        while (self.stream.is_active()): # if using button you can set self.stream to 0 (self.stream = 0), otherwise you can use a stop condition
            time.sleep(2.0)


audio = AudioHandler()
audio.start()     # open the the stream
audio.mainloop()  # main operations with librosa
audio.stop()

关于python - 带麦克风输入的Python Librosa，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/59056786/