22.1. audioop — 处理原始音频数据

audioop 模块包含针对声音片段的一些有用操作。它操作的声音片段由 8、16、24 或 32 位宽的有符号整型样本组成，存储在 类字节串对象 中。除非特别说明，否则所有标量项目均为整数。

在 3.4 版更改: 增加了对 24 位样本的支持。现在，所有函数都接受任何 类字节串对象。而传入字符串会立即导致错误。

本模块提供对 a-LAW、u-LAW 和 Intel/DVI ADPCM 编码的支持。

部分更复杂的操作仅接受 16 位样本，而其他操作始终需要样本大小（以字节为单位）作为该操作的参数。

此模块定义了下列变量和函数：

exception audioop.error

所有错误都会抛出此异常，比如样本的字节数未知等等。

audioop.add(fragment1, fragment2, width)

两个样本作为参数传入，返回一个片段，该片段是两个样本的和。width 是样本宽度（以字节为单位），可以取 1, 2, 3 或 4。两个片段的长度应相同。如果发生溢出，较长的样本将被截断。

audioop.adpcm2lin(adpcmfragment, width, state)

将 Intel/DVI ADPCM 编码的片段解码为线性片段。关于 ADPCM 编码的详情请参阅 lin2adpcm() 的描述。返回一个元组 (sample, newstate)，其中 sample 的位宽由 width 指定。

audioop.alaw2lin(fragment, width)

将 a-LAW 编码的声音片段转换为线性编码声音片段。由于 a-LAW 编码样本始终为 8 位，因此这里的 width 仅指输出片段的样本位宽。

audioop.avg(fragment, width)

返回片段中所有样本的平均值。

audioop.avgpp(fragment, width)

返回片段中所有样本的平均峰峰值。由于没有进行过滤，因此该例程的实用性尚存疑。

audioop.bias(fragment, width, bias)

返回一个片段，该片段由原始片段中的每个样本加上偏差组成。在溢出时样本会回卷 (wrap around)。

audioop.byteswap(fragment, width)

“按字节交换”片段中的所有样本，返回修改后的片段。将大端序样本转换为小端序样本，反之亦然。

3.4 新版功能.

audioop.cross(fragment, width)

将片段作为参数传入，返回其中过零点的数量。

audioop.findfactor(fragment, reference)

返回一个系数 F 使得 rms(add(fragment, mul(reference, -F))) 最小，即返回乘以 reference 后最匹配 fragment 的那个乘数。两个片段都应包含 2 字节宽的样本。

本例程所需的时间与 len(fragment) 成正比。

audioop.findfit(fragment, reference)

尽可能尝试让 reference 匹配 fragment 的一部分（fragment 应较长）。从概念上讲，完成这些靠从 fragment 中取出切片，使用 findfactor() 计算最佳匹配，并最小化结果。两个片段都应包含 2 字节宽的样本。返回一个元组 (offset, factor)，其中 offset 是在 fragment 中的偏移量（整数），表示从此处开始最佳匹配，而 factor 是由 findfactor() 定义的因数（浮点数）。

audioop.findmax(fragment, length)

在 fragment 中搜索所有长度为 length 的样本切片（不是字节！）中，能量最大的那一个切片，即返回 i 使得 rms(fragment[i*2:(i+length)*2]) 最大。两个片段都应包含 2 字节宽的样本。

本例程所需的时间与 len(fragment) 成正比。

audioop.getsample(fragment, width, index)

返回片段中样本索引 index 的值。

audioop.lin2adpcm(fragment, width, state)

将样本转换为 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 比特数字是一个采样值与下一个采样值之间的差除以（不定的）步长。IMA 已选择使用 Intel/DVI ADPCM 算法，因此它很可能成为标准。

state 是一个表示编码器状态的元组。编码器返回一个元组 (adpcmfrag, newstate)，而 newstate 要在下一次调用 lin2adpcm() 时传入。在初始调用中，可以将 None 作为 state 传递。adpcmfrag 是 ADPCM 编码的片段，每个字节打包了 2 个 4 比特值。

audioop.lin2alaw(fragment, width)

将音频片段中的采样值转换为 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 位样本即可获得大约 13 位的动态范围。Sun 音频硬件等使用该编码。

audioop.lin2lin(fragment, width, newwidth)

将采样在 1、2、3 和 4 字节格式之间转换。

注解

在某些音频格式（如 .WAV 文件）中，16、24 和 32 位采样是有符号的，但 8 位采样是无符号的。因此，当将这些格式转换为 8 位宽采样时，还需使结果加上 128:

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

反之，将 8 位宽的采样转换为 16、24 或 32 位时，必须采用相同的处理。

audioop.lin2ulaw(fragment, width)

将音频片段中的采样值转换为 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 位采样即可获得大约 14 位的动态范围。Sun 音频硬件等使用该编码。

audioop.max(fragment, width)

返回片段中所有采样值的最大 绝对值。

audioop.maxpp(fragment, width)

返回声音片段中的最大峰峰值。

audioop.minmax(fragment, width)

返回声音片段中所有采样值的最小值和最大值组成的元组。

audioop.mul(fragment, width, factor)

返回一个片段，该片段由原始片段中的每个采样值乘以浮点值 factor 组成。如果发生溢出，采样将被截断。

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

转换输入片段的帧速率。

state 是一个表示转换器状态的元组。转换器返回一个元组 (newfragment, newstate)，而 newstate 要在下一次调用 ratecv() 时传入。初始调用应传入 None 作为 state。

参数 weightA 和 weightB 是简单数字滤波器的参数，默认分别为 1 和 0。

audioop.reverse(fragment, width)

将片段中的采样值反转，返回修改后的片段。

audioop.rms(fragment, width)

返回片段的均方根值，即 sqrt(sum(S_i^2)/n)。

测量音频信号的能量。

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

将立体声片段转换为单声道片段。左通道乘以 lfactor，右通道乘以 rfactor，然后两个通道相加得到单声道信号。

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

由单声道片段生成立体声片段。立体声片段中的两对采样都是从单声道计算而来的，即左声道是乘以 lfactor，右声道是乘以 rfactor。

audioop.ulaw2lin(fragment, width)

将 u-LAW 编码的声音片段转换为线性编码声音片段。由于 u-LAW 编码采样值始终为 8 位，因此这里的 width 仅指输出片段的采样位宽。

请注意，诸如 mul() 或 max() 之类的操作在单声道和立体声间没有区别，即所有采样都作相同处理。如果出现问题，应先将立体声片段拆分为两个单声道片段，之后再重组。以下是如何进行该操作的示例:

  1. def mul_stereo(sample, width, lfactor, rfactor):
  2.     lsample = audioop.tomono(sample, width, 1, 0)
  3.     rsample = audioop.tomono(sample, width, 0, 1)
  4.     lsample = audioop.mul(lsample, width, lfactor)
  5.     rsample = audioop.mul(rsample, width, rfactor)
  6.     lsample = audioop.tostereo(lsample, width, 1, 0)
  7.     rsample = audioop.tostereo(rsample, width, 0, 1)
  8.     return audioop.add(lsample, rsample, width)

如果使用 ADPCM 编码器构造网络数据包，并且希望协议是无状态的（即能够容忍数据包丢失），则不仅需要传输数据，还应该传输状态。请注意，必须将初始状态（传入 lin2adpcm() 的状态）发送给解码器，不能发送最终状态（编码器返回的状态）。如果要使用 struct.Struct 以二进制保存状态，可以将第一个元素（预测值）用 16 位编码，将第二个元素（增量索引）用 8 位编码。

本 ADPCM 编码器从不与其他 ADPCM 编码器对立，仅针对自身。本开发者可能会误读标准，这种情况下它们将无法与相应标准互操作。

乍看之下 find*() 例程可能有些可笑。它们主要是用于回声消除，一种快速有效的方法是选取输出样本中能量最高的片段，在输入样本中定位该片段，然后从输入样本中减去整个输出样本:

  1. def echocancel(outputdata, inputdata):
  2.     pos = audioop.findmax(outputdata, 800)    # one tenth second
  3.     out_test = outputdata[pos*2:]
  4.     in_test = inputdata[pos*2:]
  5.     ipos, factor = audioop.findfit(in_test, out_test)
  6.     # Optional (for better cancellation):
  7.     # factor = audioop.findfactor(in_test[ipos*2:ipos*2+len(out_test)],
  8.     #              out_test)
  9.     prefill = '\0'*(pos+ipos)*2
  10.     postfill = '\0'*(len(inputdata)-len(prefill)-len(outputdata))
  11.     outputdata = prefill + audioop.mul(outputdata, 2, -factor) + postfill
  12.     return audioop.add(inputdata, outputdata, 2)