如何获取音频（.wav或.mp3）文件中每秒或毫秒的帧数（或样本数）？

Question

我一直在观察scipy.io.wavfile下的音频文件

根据文件属性，其帧速44100 per sec or hz ，总帧数为9745238 ，音频持续时间为220 secs ，但应为220.9804535147392并具有2通道。

读取文件后，它按预期返回了我9745238 X 2的16bit signed int矩阵

其中1列是通道1数据，而2列是相应的9745238帧的通道2数据

所以我的问题是，是否有任何鲁棒的方法每秒或毫秒找到这些值（连续1、2个通道，即每一行或矩阵）？

有什么猜想吗？

编辑1

我在这里提到了一个非常直观的讨论

我想我所需要的只是比特率 ，即bitrate = sampleRate * bitDepth但是我如何获得比特深度是sample size / sample width还是其他？

Answer 1

因此，我想要每秒的位数，经过研究后，我发现我需要每一位的速率 ，即bit rate ，当然位深就是每个样本的位数（这是常数）。

要了解这一点，如果我们使用wave模块来打印文件的第一帧，我们会得到如下内容。

b'\x00\x00\x00\x00'

如您所见，它是一个16bit-unicoded字符串，并使用numpy将其转换为16bit signed int 。

像np.fromstring(wav.readframes(1), np.int16)

它会给您[0 0] ，即第一帧中每个通道的8位。

并且由于frameRate为44100 ，因此每个向量的bitrate = frame_rate (44100) * bitDepth (16) 。 [0 0]，然后将此值乘以通道数（ 在我的情况下为2 ）以得到有关位的答案。

编辑1

采样率和帧率是两个不同的东西，一个帧由采样数组成，而sample_width是每个采样的大小。

例如。 将音频_作为示例表示，并具有3通道， 4帧，则它将以类似的方式表示。

[_ _ _] [_ _ _] [_ _ _] [_ _ _]

如果您使用scipy库查看矩阵， scipy使用_而不是_来表示其值将根据解码后的字符串，并用另一种方式表示该语句，我们可以说矩阵中的每个元素都是一个样本。

所以有在音频总12个样品，并且如果我们假设该歌曲的持续时间为， 1 sec ，则frame_rate将是4hz和sample_rate将是12hz 。

有关更多信息，您可以参考这些讨论中的答案。