Python 音頻幀音高變化

Question

我正在嘗試使用 pyaudio 制作語音掩蔽器。 以我現在的設置方式，我唯一要做的就是輸入聲音，即時更改音高，然后將其分塊。 第一部分和最后一部分正在工作，我想我已經接近改變音高了……強調“思考”。

不幸的是，我不太熟悉我正在使用的數據類型以及如何以我想要的方式操作它。 我已經瀏覽了 audioop 文檔，但沒有找到我需要的東西（認為有些東西我肯定可以在那里使用）。 我想我要問的是...

這些音頻幀中的數據是如何格式化的。

我怎樣才能改變框架的間距（如果可以的話），或者它是否接近那樣工作？

import pyaudio
import sys
import numpy as np
import wave
import audioop
import struct

chunk = 1024
FORMAT = pyaudio.paInt16
CHANNELS = 1
RATE = 41000
RECORD_SECONDS = 5

p = pyaudio.PyAudio()

stream = p.open(format = FORMAT,
                channels = CHANNELS,
                rate = RATE,
                input = True,
                output = True,
                frames_per_buffer = chunk)

swidth = 2

print "* recording"



while(True):

    data = stream.read(chunk)
    data = np.array(wave.struct.unpack("%dh"%(len(data)/swidth), data))*2

    data = np.fft.rfft(data)
    #MANipulation
    data = np.fft.irfft(data)



    stream.write(data3, chunk)




print "* done"

stream.stop_stream()
stream.close()
p.terminate()

Answer 1

在irfft行之后和stream.write行之前，您需要使用struct.pack調用將數據轉換回 16 位整數。

data = np.fft.irfft(data)
dataout = np.array(data*0.5, dtype='int16') #undo the *2 that was done at reading
chunkout = struct.pack("%dh"%(len(dataout)), *list(dataout)) #convert back to 16-bit data
stream.write(chunkout)

Answer 2

要更改音高，您必須對多個幀執行FFT ，然后按頻率移動數據（將數據移動到不同的頻率區間）並執行逆 FFT。

如果您不介意聲音片段在降低音高時變長（或在增加音高時變高），您可以重新采樣幀。 例如，您可以將每幀加倍（在流中插入每幀的副本），從而降低播放速度和音調。 然后，您可以通過改進重采樣算法以使用某種插值和/或過濾來提高音頻質量。