audioop —处理原始音频数据

audioop模块包含一些有用的声音片段操作。它对声音片段进行操作，这些声音片段由存储在bytes-like objects中的有符号整数 samples8、16、24 或 32 位组成。除非另有说明，否则所有标量项均为整数。

在版本 3.4 中进行了更改：添加了对 24 位 samples 的支持。现在所有Function都可以接受任何bytes-like object。现在，字符串 Importing 会导致立即错误。

该模块支持 a-LAW，u-LAW 和 Intel/DVI ADPCM 编码。

一些更复杂的操作仅获取 16 位 samples，否则 samples 大小(以字节为单位)始终是该操作的参数。

该模块定义以下变量和函数：

• exception audioop. error

  • 所有错误都会引发此异常，例如每个 samples 的未知字节数等。

• audioop. add(* fragment1 ， fragment2 ， width *)

  • 返回一个片段，该片段是作为参数传递的两个 samples 的和。 * width *是 samples 宽度，以字节为单位1，2，3或4。两个片段应具有相同的长度。如果发生溢出，samples 将被截断。

• audioop. adpcm2lin(* adpcmfragment ， width ， state *)

  • 将 Intel/DVI ADPCM 编码的片段解码为线性片段。有关 ADPCM 编码的详细信息，请参见lin2adpcm()的描述。返回一个 Tuples(sample, newstate)，其中 samples 具有在* width *中指定的宽度。

• audioop. alaw2lin(* fragment ， width *)

  • 将 a-LAW 编码的声音片段转换为线性编码的声音片段。 a-LAW 编码始终使用 8 位 samples，因此这里的* width *仅指输出片段的 samples 宽度。

• audioop. avg(* fragment ， width *)

  • 返回片段中所有 samples 的平均值。

• audioop. avgpp(* fragment ， width *)

  • 返回片段中所有 samples 的平均峰峰值。没有进行任何过滤，因此该例程的有用性值得怀疑。

• audioop. bias(* fragment ， width ， bias *)

  • 返回一个片段，它是原始片段，并向每个 samples 添加了偏差。sample 会溢出以防溢出。

• audioop. byteswap(* fragment ， width *)

  • “字节交换”片段中的所有 samples 并返回修改后的片段。将大尾数采样转换为小尾数采样，反之亦然。

3.4 版的新Function。

• audioop. cross(* fragment ， width *)

  • 返回作为参数传递的片段中的零交叉点数。

• audioop. findfactor(* fragment ， reference *)

  • 返回* F 使得rms(add(fragment, mul(reference, -F)))最小，即返回您应该乘以 reference 以使其尽可能匹配 fragment *的因数。片段都应包含 2 个字节的 samples。

该例程花费的时间与len(fragment)成正比。

• audioop. findfit(* fragment ， reference *)

  • try将* reference 尽可能匹配 fragment 的一部分(应该是更长的片段)。 (从概念上来说)这是pass从 fragment 中取出切片，使用findfactor()计算最佳匹配并将结果最小化来完成的。片段都应包含 2 个字节的 samples。返回 Tuples(offset, factor)，其中 offset 是 fragment 的(整数)偏移量，其中开始最佳匹配，而 factor *是根据findfactor()的(浮点数)因子。

• audioop. findmax(* fragment ， length *)

  • 在* fragment *中搜索具有最大能量的 length * length 个 samples(不是字节！)的切片，即返回rms(fragment[i*2:(i+length)*2])最大的 i *。片段都应包含 2 个字节的 samples。

该例程所花费的时间与len(fragment)成正比。

• audioop. getsample(* fragment ， width ， index *)

  • 从片段返回 samples* index *的值。

• audioop. lin2adpcm(* fragment ， width ， state *)

  • 将 samples 转换为 4 位 Intel/DVI ADPCM 编码。 ADPCM 编码是一种自适应编码方案，其中每个 4 位数字是一个 samples 与下一个 samples 之间的差，然后除以(不同的)步骤。 IMA 已选择使用 Intel/DVI ADPCM 算法，因此它很可能成为标准。

• state 是一个包含编码器状态的 Tuples。编码器返回一个 Tuples(adpcmfrag, newstate)，并且 newstate *应该传递给下一个调用lin2adpcm()。在初始调用中，可以将None作为状态传递。 * adpcmfrag *是 ADPCM 编码的片段，每个字节打包 2 个 4 位值。

• audioop. lin2alaw(* fragment ， width *)

  • 将音频片段中的 samples 转换为 a-LAW 编码，并将其作为字节对象返回。 a-LAW 是一种音频编码格式，仅使用 8 位 samples 即可获得大约 13 位的动态范围。 Sun 音频硬件等使用它。

• audioop. lin2lin(* fragment ， width ， newwidth *)

  • 在 1、2、3 和 4 字节格式之间转换 samples。

new_frames = audioop.lin2lin(frames, old_width, 1)
new_frames = audioop.bias(new_frames, 1, 128)

• audioop. lin2ulaw(* fragment ， width *)

  • 将音频片段中的 samples 转换为 u-LAW 编码，并将其作为字节对象返回。 u-LAW 是一种音频编码格式，仅使用 8 位 samples 即可获得约 14 位的动态范围。 Sun 音频硬件等使用它。

• audioop. max(* fragment ， width *)

  • 返回一个片段中所有 samples 的“绝对值”的最大值。

• audioop. maxpp(* fragment ， width *)

  • 返回声音片段中的最大峰峰值。

• audioop. minmax(* fragment ， width *)

  • 返回一个由声音片段中所有 samples 的最小值和最大值组成的 Tuples。

• audioop. mul(* fragment ， width ， factor *)

  • 返回一个片段，该片段具有原始片段中的所有 samples 乘以浮点值* factor *。如果发生溢出，samples 将被截断。

• audioop. ratecv((fragment ， width ， nchannels ， inrate ， outrate ， state * [，* weightA * [，* weightB *]])

  • 转换 Importing 片段的帧速率。

• state 是一个包含转换器状态的 Tuples。转换器返回一个 Tuples(newfragment, newstate)，并且 newstate *应该传递给下一个调用ratecv()。初始调用应传递None作为状态。

• weightA 和 weightB *参数是简单数字滤波器的参数，分别默认为1和0。

• audioop. reverse(* fragment ， width *)

  • 反转片段中的 samples 并返回修改后的片段。

• audioop. rms(* fragment ， width *)

  • 返回片段的均方根，即sqrt(sum(S_i^2)/n)。

这是音频 signal 中功率的度量。

• audioop. tomono(* fragment ， width ， lfactor ， rfactor *)

  • 将立体声片段转换为单声道片段。左声道乘以* lfactor ，右声道乘以 rfactor *，然后再将两个声道相加得到单声道 signal。

• audioop. tostereo(* fragment ， width ， lfactor ， rfactor *)

  • 从单声道片段生成立体声片段。从单声道 samples 计算立体声片段中的每对 samples，从而左声道 samples 乘以* lfactor ，右声道 samples 乘以 rfactor *。

• audioop. ulaw2lin(* fragment ， width *)

  • 将 u-LAW 编码中的声音片段转换为线性编码的声音片段。 u-LAW 编码始终使用 8 位 samples，因此此处的* width *仅指输出片段的 samples 宽度。

请注意，诸如mul()或max()之类的操作在单声道和立体声片段之间没有区别，即所有 samples 均被视为相等。如果存在问题，则应先将立体声片段分为两个单声道片段，然后再进行重组。这是如何执行此操作的示例：

def mul_stereo(sample, width, lfactor, rfactor):
    lsample = audioop.tomono(sample, width, 1, 0)
    rsample = audioop.tomono(sample, width, 0, 1)
    lsample = audioop.mul(lsample, width, lfactor)
    rsample = audioop.mul(rsample, width, rfactor)
    lsample = audioop.tostereo(lsample, width, 1, 0)
    rsample = audioop.tostereo(rsample, width, 0, 1)
    return audioop.add(lsample, rsample, width)

如果您使用 ADPCM 编码器构建网络数据包，并且希望协议是 Stateless 的(即能够容忍数据包丢失)，则不仅应该传输数据，还应该传输状态。请注意，您应该将* initial *状态(传递给lin2adpcm()的状态)发送给解码器，而不是finally状态(由编码器返回)。如果要使用struct.Struct将状态存储为二进制，则可以用 16 位编码第一个元素(预测值)，而用 8 位编码第二个元素(增量索引)。

从未try过将 ADPCM 编码器与其他 ADPCM 编码器对立，而仅针对自身。我很可能误解了标准，在这种情况下，它们将无法与相应标准互操作。

find*()例程乍一看可能会有些有趣。它们主要是为了进行回声消除。一种合理的快速方法是从输出 samples 中选取能量最高的片段，将其放置在 Importingsamples 中，然后从 Importingsamples 中减去整个输出 samples：

def echocancel(outputdata, inputdata):
    pos = audioop.findmax(outputdata, 800)    # one tenth second
    out_test = outputdata[pos*2:]
    in_test = inputdata[pos*2:]
    ipos, factor = audioop.findfit(in_test, out_test)
    # Optional (for better cancellation):
    # factor = audioop.findfactor(in_test[ipos*2:ipos*2+len(out_test)],
    #              out_test)
    prefill = '\0'*(pos+ipos)*2
    postfill = '\0'*(len(inputdata)-len(prefill)-len(outputdata))
    outputdata = prefill + audioop.mul(outputdata, 2, -factor) + postfill
    return audioop.add(inputdata, outputdata, 2)