獲取聲音文件中給定時間的振幅？

Question

我正在做一個項目，我需要知道計算機上麥克風傳來的聲音振幅。

我目前正在將Python與Snack Sound Toolkit配合使用，並且可以記錄來自麥克風的音頻，但是我需要知道該音頻的音量。 我可以將錄音保存到文件中，並使用另一個工具包從音頻文件中的給定時間點讀取幅度，或者嘗試在音頻進入時獲取幅度（這更容易出錯）。

是否有任何庫或示例代碼可以幫助我解決這個問題？ 我一直在尋找，到目前為止，Snack Sound Toolkit似乎是我最大的希望，但似乎還沒有辦法直接獲得振幅。

Answer 1

查看Snack Sound Toolkit示例，似乎有一個dbPowerSpectrum函數。

從參考：

dBPowerSpectrum（）

計算聲音的對數FFT功率譜（以start選項中指定的樣本數），並返回dB值列表。 有關其他選項的說明，請參見本節。 可以選擇使用end選項指定終點。 在這種情況下，結果是指定范圍內連續FFT的平均值。 它們的默認間隔是從fftlength中獲取的，但是可以使用skip選項更改該間隔，該選項可告訴您每步移動FFT窗口多少個點。 選項：

編輯：我假設當您說振幅時，您是指聲音對人的感覺有多“響亮”，而不是時域電壓（由於正弦波的積分將為0，因此在整個長度上可能為0）例如：10 * sin（t）大於5 * sin（t），但它們的平均值隨時間變化為0（無論如何，您都不希望向揚聲器發送非AC電壓）。

要獲得聲音的聲音，您需要確定每個頻率分量的幅度。 這是通過傅立葉變換（FFT）來完成的，它可以將聲音分解為頻率成分。 dbPowerSpectrum函數似乎為您提供了每個頻率的幅度列表（如果這與功率譜的確切定義不同，請原諒）。 要獲得總音量，您可以將整個列表加起來（這將很接近，因為人耳本身具有頻率響應，所以它可能與感知的響度有所不同）。

Answer 2

我完全不同意CookieOfFortune的這個“答案”。

當然，這個問題的措辭很差……但是這個答案使事情變得比必要的復雜得多。 我假設“振幅”是指感知到的響度。 從技術上講，（PCM）音頻流中的每個樣本都代表給定時間片段的信號幅度。 要獲得響度表示，請嘗試簡單的RMS計算：

RMS

| K <

Answer 3

我不確定這是否會有所幫助，但是Skimpygimpy提供了將WAVE文件解析為python序列並返回的工具，您可以使用它直接檢查波形樣本並做自己喜歡的事情。 您將必須閱讀一些資料，這些子組件沒有記錄在案。