为什么 PyAudio 会切断 NumPy 阵列的音频？

Question

在使用 PyAudio 时，我不小心忘记将一些 NumPy arrays 转换为字节对象，但令我惊讶的是，它仍然播放音频，即使听起来有点不对劲。 我写了一个小测试脚本（见下文）来播放 1 秒的 440Hz 音调，似乎直接将 NumPy 数组写入 PyAudio Stream缩短该音调。

谁能解释为什么会这样？ I thought a NumPy array was a contiguous sequence of bytes with some header information about its dtype and strides, so I would've predicted that PyAudio played the full second of the tone after some garbled audio from the header, not cut the tone off.

# script segment
import pyaudio
import numpy as np
RATE = 48000

p = pyaudio.PyAudio()
stream = p.open(format = pyaudio.paFloat32, channels = 1, rate = RATE, output = True)

TONE = 440
SECONDS = 1
t = np.arange(0, 2*np.pi*TONE*SECONDS, 2*np.pi*TONE/RATE) 
sina = np.sin(t).astype(np.float32)
sinb = sina.tobytes()

# console commands segment
stream.write(sinb) # bytes object plays 1 second of 440Hz tone
stream.write(sina) # still plays 440Hz tone, but noticeably shorter than 1 second

Answer 1

问题比你描述的更微妙。 您的第一个调用是传递一个大小为 192,000 的字节数组。 第二个调用是传递一个大小为 48,000 的 float32 值列表。 pyaudio处理它们，并将缓冲区传递给要播放的portaudio 。

但是，当您打开pyaudio时，您告诉它您正在发送paFloat32数据，每个样本有 4 个字节。 pyaudio write处理程序获取您给它的数组的长度，然后除以通道数乘以样本大小，以确定有多少音频样本。 在您的第二次调用中，数组的长度是 48,000，它除以 4，从而告诉portaudio “这里有 12,000 个样本”。

因此，每个人都理解格式，但对大小感到困惑。 如果您将第二次通话更改为

stream.write(sina, 48000)

那么没有人必须猜测，它工作得很好。