4

ここに同様の質問がいくつかあることは知っていますが、それらのほとんどは波形画像の生成に関するものであり、これは私が望んでいるものではありません。

私の目標は、SoundCloud に似ていますが、画像ではなく、オーディオ ファイルの波形視覚化を生成することです。配列内のオーディオ クリップの各秒 (または 0.5 秒) の最大振幅データを取得したいと考えています。次に、このデータを使用して、CSS ベースのビジュアライゼーションを作成できます。

理想的には、オーディオ ファイル全体の最大振幅のパーセンテージとして、毎秒のすべての振幅値を持つ配列を取得したいと考えています。次に例を示します。

[
    0.0,  # Relative max amplitude of first second of audio clip (0%)
    0.04,  # Relative max amplitude of second second of audio clip (4%)
    0.15,  # Relative max amplitude of third second of audio clip (15%)
    # Some more
    1.0,  # The highest amplitude of the whole audio clip will be 1.0 (100%)
]

少なくともnumpyPython のwaveモジュールを使用する必要があると思いますが、必要なデータを取得する方法がわかりません。Python を使用したいのですが、ある種のコマンドライン ツールの使用に完全に反対しているわけではありません。

4

1 に答える 1

3

gstreamer を許可している場合は、このトリックを実行できる小さなスクリプトを次に示します。gstreamer が処理できるすべてのオーディオ ファイルを受け入れます。

  • gstreamer パイプラインを構築し、audioconvert を使用してチャネルを 1 に減らし、レベル モジュールを使用してピークを取得します。
  • EOS に到達するまでパイプラインを実行する
  • 見つかった最小/最大からピークを正規化します。

スニペット:

import os, sys, pygst
pygst.require('0.10')
import gst, gobject
gobject.threads_init()

def get_peaks(filename):
    global do_run

    pipeline_txt = (
        'filesrc location="%s" ! decodebin ! audioconvert ! '
        'audio/x-raw-int,channels=1,rate=44100,endianness=1234,'
        'width=32,depth=32,signed=(bool)True !'
        'level name=level interval=1000000000 !'
        'fakesink' % filename)
    pipeline = gst.parse_launch(pipeline_txt)

    level = pipeline.get_by_name('level')
    bus = pipeline.get_bus()
    bus.add_signal_watch()

    peaks = []
    do_run = True

    def show_peak(bus, message):
        global do_run
        if message.type == gst.MESSAGE_EOS:
            pipeline.set_state(gst.STATE_NULL)
            do_run = False
            return
        # filter only on level messages
        if message.src is not level or \
           not message.structure.has_key('peak'):
            return
        peaks.append(message.structure['peak'][0])

    # connect the callback
    bus.connect('message', show_peak)

    # run the pipeline until we got eos
    pipeline.set_state(gst.STATE_PLAYING)
    ctx = gobject.gobject.main_context_default()
    while ctx and do_run:
        ctx.iteration()

    return peaks

def normalize(peaks):
    _min = min(peaks)
    _max = max(peaks)
    d = _max - _min
    return [(x - _min) / d for x in peaks]

if __name__ == '__main__':
    filename = os.path.realpath(sys.argv[1])
    peaks = get_peaks(filename)

    print 'Sample is %d seconds' % len(peaks)
    print 'Minimum is', min(peaks)
    print 'Maximum is', max(peaks)

    peaks = normalize(peaks)
    print peaks

1 つの出力例:

$ python gstreamerpeak.py 01\ Tron\ Legacy\ Track\ 1.mp3 
Sample is 182 seconds
Minimum is -349.999999922
Maximum is -2.10678956719
[0.0, 0.0, 0.9274581631597019, 0.9528318436488018, 0.9492396611762614,
0.9523404330322813, 0.9471685835966183, 0.9537281219301242, 0.9473486577135167,
0.9479292126411365, 0.9538221105563514, 0.9483845795252251, 0.9536790832823281,
0.9477264933378022, 0.9480077366961968, ...
于 2012-02-19T00:39:01.710 に答える