? ? 前往老猿Python博文目錄 ?

一、背景知識介紹

1.1、聲音三要素：

• 音調(diào)：人耳對聲音高低的感覺稱為音調(diào)(也叫音頻)。音調(diào)主要與聲波的頻率有關(guān)。聲波的頻率高，則音調(diào)也高。
• 音量：也就是響度。人耳對聲音強弱的主觀感覺稱為響度。響度和聲波振動的幅度有關(guān)。一般說來，聲波振動幅度越大則響度也越大。
• 音色：也就是音品。音色是人們區(qū)別具有同樣響度、同樣音調(diào)的兩個聲音之所以不同的特性，或者說是人耳對各種頻率、各種強度的聲波的綜合反應(yīng)。音色與聲波的振動波形有關(guān)，或者說與聲音的頻譜結(jié)構(gòu)有關(guān)。
  更多關(guān)于聲音三要素的內(nèi)容請參考《音頻基礎(chǔ)知識》。

2.1、數(shù)字音頻常用概念

采樣率（Sample Rate）：每秒從連續(xù)信號中提取并組成離散信號的采樣個數(shù)，它用赫茲（Hz）來表示。一般音樂CD的采樣率是44100Hz，所以視頻編碼中的音頻采樣率保持在這個級別就完全足夠了，通常視頻轉(zhuǎn)換器也將這個采樣率作為默認(rèn)設(shè)置。常用的音頻采樣頻率有8kHz、11.025kHz、22.05kHz、16kHz、37.8kHz、44.1kHz、48kHz等，采樣頻率越高音質(zhì)越好，但資源消耗越高。22.05kHz的采樣頻率是常用的, 44.1kHz已是CD音質(zhì), 超過48kHz或96kHz的采樣對人耳已經(jīng)沒有意義

采樣位數(shù)（Sample Bits）：也稱采樣精度，有點類似顏色表示的位數(shù)，指使用數(shù)字表示聲音信號的數(shù)字的二進制位數(shù)，位數(shù)越多表示聲音的精度越高。1 字節(jié)(8bit) 只能表示 256 中聲音值，2 字節(jié)(16bit) 可以表示 65536 個聲音值等。采用位數(shù)越高聲音精度越高，播放的聲音與源音的差距越小，但存儲開銷越大

通道數(shù)（channel）：也稱為聲道數(shù)，即聲音通道的數(shù)目，分為單聲道m(xù)ono；立體聲stereo。聲道多，效果好，兩個聲道，說明只有左右兩邊有聲音傳過來，四聲道，說明前后左右都有聲音傳過來。moviepy1.03的版本只支持單聲道和雙聲道。

幀（frame）：幀記錄了一個聲音單元，其長度為樣本長度(采樣位數(shù))和通道數(shù)的乘積

碼率（Bit Rate）：也稱為位速或比特率，指視頻或音頻文件在單位時間內(nèi)使用的數(shù)據(jù)流量，針對編碼格式，表示壓縮編碼后每秒的音頻數(shù)據(jù)量大小。計算公式：比特率 = 采樣率 x 采樣位數(shù) x 通道數(shù)，單位kbps，這里的k為1000

塊（chunk）：一般的音頻都是分為若干個塊（chunk）保存，每個chunk塊包含音頻的數(shù)據(jù)片段和控制信息，可能包含了塊的控制信息如塊的大小、聲道、采樣率、位深等信息以及真正的音頻數(shù)據(jù)流（大小由控制頭確認(rèn)）等，不同格式的文件塊的控制信息內(nèi)容不同。在moviepy中處理音頻（如保存音頻）時，塊就是通用的數(shù)據(jù)塊，沒有考慮控制信息，通過設(shè)定塊大小來讀寫指定大小的數(shù)據(jù)。

更多關(guān)于音頻參數(shù)的說明請參考《音頻基礎(chǔ)知識》、《音頻 屬性詳解(涉及采樣率、通道數(shù)、位數(shù)、比特率、幀等)》。

二、AudioClip簡介

AudioClip是一個音頻剪輯的基類，其父類是Clip。AudioClip帶有make_frame屬性，該屬性根據(jù)時間參數(shù)t返回一個形如[f_t]或[f_t1,f_t2]的列表，[f_t]、[f_t1,f_t2]分別對應(yīng)單聲道音頻numpy數(shù)組和立體聲音頻numpy數(shù)組。這些數(shù)組的每個元素都是為-1到1之間的浮點數(shù)。

老猿理解AudioClip對應(yīng)的音頻幀數(shù)據(jù)是一個列表，這個列表有如下特征：
1、列表的長度等于音頻的通道數(shù)，目前僅支持1和2，即單聲道和雙聲道；
2、列表中的元素為-1到1之間的浮點數(shù)，其精度與采樣位數(shù)相關(guān)；
3、列表中元素的大小除了表示音調(diào)還表征了音量。

三、構(gòu)造方法

調(diào)用語法：

__init__(self, make_frame=None, duration=None, fps=None)

參數(shù)說明：

• make_frame：幀的構(gòu)建方法，幀的構(gòu)建方法用于根據(jù)時間構(gòu)建幀，該方法是get_frame獲取幀時調(diào)用的方法。幀的構(gòu)建可以從已有剪輯中獲取或變換，也可以代碼自己填充；
• duration：音頻剪輯的時長
• fps：這里的fps可以理解為音頻的采用率

功能說明：

構(gòu)造方法用于使用參數(shù)同名的實例變量記錄參數(shù)傳入的make_frame、duration和fps，如果make_frame非空則會通過make_frame獲取開始位置的音頻幀后獲取音頻的通道數(shù)記錄到實例變量nchannels屬性，如果duration非空，則會同時更新實例變量duration和end。

四、iter_chunks方法

iter_chunks方法返回一個迭代器，通過這個迭代器可以返回一個包含音頻剪輯內(nèi)容塊的數(shù)組。

調(diào)用語法：

iter_chunks(self, chunksize=None, chunk_duration=None, fps=None,quantize=False, nbytes=2, logger=None)

參數(shù)說明：

• chunksize：塊的大小
• chunk_duration：塊包含的音頻時長，其值不為None時，則chunksize=chunk_duration*fps向下取整，如果chunksize有值也被計算值覆蓋
• fps：塊輸出的采樣頻率，如果為None則等于剪輯的fps屬性
• quantize：是否量化處理，如果為True，則將音頻幀對應(yīng)的音頻數(shù)據(jù)進行如下處理：

將每個元素的大小超出[-0.99,0.99]這個范圍的，則大于0.99的被設(shè)置為0.99，小于-0.99的被設(shè)置為-0.99

將每個元素的值乘以2的n次方，n的計算方法為：n=采樣位數(shù)-1，采用位數(shù)=nbytes*8

取整返回

• nbytes：音頻采用位數(shù)，缺省值為2字節(jié)即16位
• logger：是否開啟日志，字符串類型，"bar"表示進度條、None 表示不設(shè)置、或任何程序日志記錄器的名字

返回的迭代器包含的數(shù)據(jù)塊數(shù)=（fps*剪輯的時長）/chunksize+1，這個方法可以在需要對音頻剪輯進行變換處理時使用。

五、to_soundarray方法

to_soundarray方法將音頻片段轉(zhuǎn)換為一個可以使用pygame播放或者使用wav格式保存的數(shù)組。

調(diào)用語法：

to_soundarray(self, tt=None, fps=None, quantize=False, nbytes=2, buffersize=50000)

參數(shù)說明：

• tt：為時間浮點數(shù)或時間浮點數(shù)的列表，用于獲取對應(yīng)時間的音頻數(shù)據(jù)
• fps：采用頻率，如果為None則等于剪輯的fps屬性
• quantize：是否量化處理，請參見iter_chunks方法參數(shù)說明
• nbytes：音頻采用位數(shù)，缺省值為2字節(jié)即16位
• buffersize：緩沖區(qū)大小，從剪輯中轉(zhuǎn)換時，該大小即為處理塊的大小

返回值為一個音頻數(shù)據(jù)的np一維數(shù)組或二維數(shù)組，分別對應(yīng)tt為時間浮點數(shù)或時間浮點數(shù)的列表兩種情況。如果quantize為False，返回數(shù)組的元素為【-1,1】之間的浮點數(shù)，否則為整數(shù)（請參見iter_chunks方法參數(shù)說明）。

六、max_volume方法

max_volume方法是取音頻剪輯的最大音量，最大音量也就是音頻數(shù)組元素絕對值的最大值。

調(diào)用語法：max_volume(self, stereo=False, chunksize=50000, logger=None)

說明：

• stereo：是否立體聲，該參數(shù)為True且剪輯的聲道數(shù)為2才會在處理時作為立體聲處理，否則作為單聲道處理

在老猿的驗證環(huán)境下，max_volume存在兩個BUG，詳細(xì)的情況請參考《moviepy音視頻剪輯：AudioClip的max_volume方法報TypeError: bad operand type for abs(): ‘list‘錯》、《moviepy AudioClip的max_volume方法報錯ValueError: operands could not be broadcast together with shapes(2,)》的介紹。

七、write_audiofile方法

write_audiofile方法用于將音頻剪輯的內(nèi)容輸出到指定文件，該方法替換了低版本的to_audiofile方法。

調(diào)用語法：write_audiofile(self, filename, fps=None, nbytes=2, buffersize=2000, codec=None, bitrate=None, ffmpeg_params=None, write_logfile=False, verbose=True, logger='bar')

參數(shù)說明：

• filename：文件名，類型包括文件如mp3、wav、ogg、m4a等都可以
• fps：幀率，與音頻采樣率含義相同，每秒編碼的幀數(shù)，如果為None且音頻剪輯設(shè)置了fps則以剪輯額的fps屬性值作為輸出，否則以缺省值44100輸出
• nbytes：音頻的采用的位數(shù)
• buffersize：輸出緩沖區(qū)大小，以該大小作為輸出時數(shù)據(jù)讀取塊的大小
• bitrate：碼率，音頻比特率
• codec：用于音頻編碼的編解碼器，如果沒有指定則系統(tǒng)根據(jù)輸出文件名類型來確認(rèn)。默認(rèn)值為“l(fā)ibmp3lame”，除非視頻擴展名為“ogv”或“webm”，在這2種情況下，默認(rèn)值為“l(fā)ibvorbis”。 如果是16位wav音頻設(shè)置為 ‘pcm_s16le’、32位wav音頻則設(shè)置為 ‘pcm_s32le’
• write_logfile：如果為True，將為音頻輸出記錄日志文件。日志文件將以“.log”結(jié)尾，包含輸出文件的名稱
• verbose：已經(jīng)廢棄使用，留下來是為了兼容性，以前用于打開/關(guān)閉消息。現(xiàn)在使用logger=None。
• ffmpeg_params：需額外傳遞的其他ffmpeg參數(shù)，用列表傳遞，形如：[’-option1’，‘value1’，’-option2’，‘value2’]
• logger：字符串類型，"bar"表示進度條、None 表示不設(shè)置、或任何程序日志記錄器的名字

更多moviepy的介紹請參考《PyQt+moviepy音視頻剪輯實戰(zhàn)文章目錄》或《moviepy音視頻開發(fā)專欄》。

關(guān)于收費專欄

本文為免費專欄文章，本文對應(yīng)收費專欄文章《moviepy音視頻開發(fā)：音頻剪輯基類AudioClip詳解》。與本文章內(nèi)容對比，收費專欄部分文章內(nèi)容介紹更深入或案例更多。

老猿的付費專欄《使用PyQt開發(fā)圖形界面Python應(yīng)用》專門介紹基于Python的PyQt圖形界面開發(fā)基礎(chǔ)教程，付費專欄《moviepy音視頻開發(fā)專欄》詳細(xì)介紹moviepy音視頻剪輯合成處理的類相關(guān)方法及使用相關(guān)方法進行相關(guān)剪輯合成場景的處理，兩個專欄加起來只需要19.9元，都適合有一定Python基礎(chǔ)但無相關(guān)專利知識的小白讀者學(xué)習(xí)。這2個收費專欄都有對應(yīng)免費專欄，只是收費專欄的文章介紹更具體、內(nèi)容更深入、案例更多。

對于缺乏Python基礎(chǔ)的同仁，可以通過老猿的免費專欄《專欄：Python基礎(chǔ)教程目錄》從零開始學(xué)習(xí)Python。

如果有興趣也愿意支持老猿的讀者，歡迎購買付費專欄。

跟老猿學(xué)Python、學(xué)5G!

? ? 前往老猿Python博文目錄 ?

總結(jié)

以上是生活随笔為你收集整理的moviepy音视频开发：音频剪辑基类AudioClip的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。