3.3 Audio 模块API手册#

cover

版权所有©2023北京嘉楠捷思信息技术有限公司

免责声明#

您购买的产品、服务或特性等应受北京嘉楠捷思信息技术有限公司(“本公司”,下同)及其关联公司的商业合同和条款的约束,本文档中描述的全部或部分产品、服务或特性可能不在您的购买或使用范围之内。除非合同另有约定,本公司不对本文档的任何陈述、信息、内容的正确性、可靠性、完整性、适销性、符合特定目的和不侵权提供任何明示或默示的声明或保证。除非另有约定,本文档仅作为使用指导参考。

由于产品版本升级或其他原因,本文档内容将可能在未经任何通知的情况下,不定期进行更新或修改。

商标声明#

logo、“嘉楠”和其他嘉楠商标均为北京嘉楠捷思信息技术有限公司及其关联公司的商标。本文档可能提及的其他所有商标或注册商标,由各自的所有人拥有。

版权所有 © 2023北京嘉楠捷思信息技术有限公司。保留一切权利。 非经本公司书面许可,任何单位和个人不得擅自摘抄、复制本文档内容的部分或全部,并不得以任何形式传播。

目录#

[TOC]

前言#

概述#

此文档介绍CanMV音频模块,用以指导开发人员如何调用python api接口实现音频采集及播放功能。

读者对象#

本文档(本指南)主要适用于以下人员:

  • 技术支持工程师

  • 软件开发工程师

缩略词定义#

简称

说明

media

k230 media包,包含多媒体相关模块

media.pyaudio

音频处理模块

media.wave

wav文件处理模块

修订记录#

文档版本号

修改说明

修改者

日期

V1.0

初版

孙小朋

2023-09-18

V1.1

修改audio模块内存分配方式:所有模块统一由media.media分配内存,详见示例程序中的修改:media.buffer_init()

孙小朋

2023/10/12

1. 概述#

此文档介绍CanMV音频模块,用以指导开发人员如何调用python api接口实现音频采集及播放功能。

2. API描述#

2.1 mpp.wave#

wave模块提供了一种简单的方式来读取和处理WAV文件。使用wave.open函数可以打开wav文件并返回以下类对象。 wave.Wave_read类提供获取WAV文件的元数据(如采样率、采样点、声道和采样精度)及从文件读取wav音频数据方法。 wave.Wave_write类提供设置WAV文件的元数据(如采样率、采样点、声道和采样精度)及保存pcm音频数据到wav文件的方法。 该模块与pyaudio模块配合会很容易实现播放wav文件音频和采集并保存wav音频文件。

2.1.1 open#

【描述】

打开wave文件,用以读取或写入音频数据。

【语法】

def open(f, mode=None)

【参数】

参数名称

描述

输入/输出

f

文件名称

输入

mode

打开模式(‘r’,’rb’,’w’,’wb’)

输入

【返回值】

返回值

描述

Wave_read或Wave_write类对象

成功。

其他

失败,抛出异常

2.1.2 wave.Wave_read#

Wave_read类提供获取WAV文件的元数据(如采样率、采样点、声道和采样精度)及从文件读取wav音频数据方法。

2.1.2.1 get_channels#

【描述】

获取声道数。

【语法】

def get_channels(self)

【参数】

【返回值】

返回值

描述

>0

成功。

0

失败

2.1.2.2 get_sampwidth#

【描述】

获取采样字节长度。

【语法】

def get_sampwidth(self)

【参数】

【返回值】

返回值

描述

>0 有效范围[1,2,3,4]分别对应采样精度[8,16,24,32]

成功。

0

失败

2.1.2.2 get_framerate#

【描述】

获取采样频率。

【语法】

def get_framerate(self)

【参数】

【返回值】

返回值

描述

>0 有效范围(8000~192000)

成功。

0

失败

2.1.2.3 read_frames#

【描述】

读取帧数据。

【语法】

def read_frames(self, nframes)

【参数】

参数名称

描述

输入/输出

nframes

读取的帧长度(声道数*每个采样点的采样精度/8)

输入

【返回值】

返回值

描述

bytes字节序列

2.1.3 wave.Wave_write#

Wave_write为类对象,提供设置WAV文件的元数据(如采样率、采样点、声道和采样精度)及保存pcm音频数据到wav文件的方法。

2.1.3.1 set_channels#

【描述】

设置声道数。

【语法】

def set_channels(self, nchannels)

【参数】

参数名称

描述

输入/输出

nchannels

声道数

输入

【返回值】

2.1.3.2 set_sampwidth#

【描述】

设置采样字节长度。

【语法】

def set_sampwidth(self, sampwidth)

【参数】

参数名称

描述

输入/输出

sampwidth

采样字节长度,有效范围[1,2,3,4]分别对应采样精度[8,16,24,32]

输入

【返回值】

2.1.3.3 set_framerate#

【描述】

设置采样频率。

【语法】

def set_framerate(self, framerate)

【参数】

参数名称

描述

输入/输出

framerate

采样频率[8000~192000]

输入

【返回值】

2.1.3.4 write_frames#

【描述】

写入音频数据。

【语法】

def write_frames(self, data)

【参数】

参数名称

描述

输入/输出

data

音频数据(bytes字节序列)

输入

【返回值】

2.2 mpp.pyaudio#

pyaudio为音频处理模块,负责采集和播放二进制pcm音频数据。如想播放wav格式文件或将采集到的数据保存成wav文件,需与mpp.wave库配合使用,详见示例程序部分。

2.2.1 pyaudio.PyAudio#

负责管理多路音频输入和输出通路,每路通路均以流(Stream)类对象体现。

2.2.1.1 open#

【描述】

打开一路流(Stream)。

【语法】

def open(self, *args, **kwargs)

【参数】

可变参数,参考[Stream.__init__]。

【返回值】

返回值

描述

py:class:Stream

成功。

其他

失败,抛出异常

2.2.1.2 close#

【描述】

关闭一路流(Stream)。

【语法】

def close(self, stream)

【参数】

【返回值】

【注意】

该函数会调用Stream对象中的close,并把Stream对象从PyAudio对象中删除。因此该函数可以不调用,调用Stream.close即可。

2.2.1.3 terminate#

【描述】

释放音频资源,PyAudio不再使用时,一定要调用该函数释放音频资源。如在:默认构造函数中申请vb block,在该函数中释放vb block。

【语法】

def terminate(self)

【参数】

【返回值】

【注意】

该函数会调用Stream对象中的close,并把Stream对象从PyAudio对象中删除。因此该函数可以不调用,调用Stream.close即可。

2.2.2 pyaudio.Stream#

Stream为音频流类对象,负责管理一路音频输入或输出通路。

2.2.2.1 __init__#

【描述】

构造函数。

【语法】

def __init__(self,
                PA_manager,
                rate,
                channels,
                format,
                input=False,
                output=False,
                input_device_index=None,
                output_device_index=None,
                enable_codec=True,
                frames_per_buffer=1024,
                start=True,
                stream_callback=None)

【参数】

参数名称

描述

输入/输出

PA_manager

PyAudio类对象

输入

rate

采样率

输入

channels

声道数

输入

format

采样点字节数

输入

input

是否是音频输入,默认值为False

输入

output

是否是音频输出,默认值为False

输入

input_device_index

输入通路组号[0,1],默认值为None:使用默认通路0

输入

output_device_index

输出通路组号[0,1],默认值为None:使用默认通路0

输入

enable_codec

是否启用内置codec,默认使用内置codec

输入

frames_per_buffer

每次采集帧数

输入

start

是否启动数据流,默认启动

输入

stream_callback

以回调方式写入或读取数据,默认不启用回调方式

输入

【返回值】

2.2.2.2 start_stream#

【描述】

启动数据流。如构造函数中设置参数start=True,则创建Stream对象后默认就启动数据流。

【语法】

def start_stream(self)

【参数】

【返回值】

2.2.2.3 stop_stream#

【描述】

停止数据流。停止数据流后可再次重新启动数据流。

【语法】

def stop_stream(self)

【参数】

【返回值】

2.2.2.4 write#

【描述】

写入数据流,用来播放音频。如以回调方式写入数据流,则该函数不需要调用。

【语法】

def write(self, frames,num_frames=None)

【参数】

参数名称

描述

输入/输出

frames

音频数据(bytes字节序列)

输入

num_frames

写入帧数量,默认值为None:会根绝frames自动计算帧长度

输入

【返回值】

2.2.2.5 read#

【描述】

读取数据流,用来采集音频。如以回调方式读取数据流,则该函数不需要调用。

【语法】

def read(self, num_frames)

【参数】

参数名称

描述

输入/输出

num_frames

读取帧数量

输入

【返回值】

返回值

描述

bytes字节序列 长度>0

成功

bytes字节序列 长度=0

失败

2.2.2.6 close#

【描述】

关闭数据流。会从PyAudio对象中删除该对象。

【语法】

def close(self)

【参数】

【返回值】

3. 示例程序#

3.1 采集wav音频#

from media.pyaudio import *
import media.wave as wave
from media.media import *

def record_audio(filename, duration):
    CHUNK = int(44100/25)
    FORMAT = paInt16
    CHANNELS = 2
    RATE = 44100

    p = PyAudio()
    p.initialize(CHUNK)
    ret = media.buffer_init()
    if ret:
        print("record_audio, buffer_init failed")

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

    frames = []

    for i in range(0, int(RATE / CHUNK * duration)):
        data = stream.read()
        frames.append(data)

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

    wf = wave.open(filename, 'wb')
    wf.set_channels(CHANNELS)
    wf.set_sampwidth(p.get_sample_size(FORMAT))
    wf.set_framerate(RATE)
    wf.write_frames(b''.join(frames))
    wf.close()

    media.buffer_deinit()

record_audio('/sdcard/app/output.wav', 15)

3.2 播放wav音频#

from media.pyaudio import *
import media.wave as wave
from media.media import *

def play_audio(filename):
    #读取音频文件
    wf = wave.open(filename, 'rb')
    CHUNK = int(wf.get_framerate()/25)

    #播放音频操作
    p = PyAudio()
    p.initialize(CHUNK)
    ret = media.buffer_init()
    if ret:
        print("play_audio, buffer_init failed")

    stream = p.open(format=p.get_format_from_width(wf.get_sampwidth()),
                channels=wf.get_channels(),
                rate=wf.get_framerate(),
                output=True,frames_per_buffer=CHUNK)
    data = wf.read_frames(CHUNK)

    while data:
        stream.write(data)
        data = wf.read_frames(CHUNK)

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

    media.buffer_deinit()

play_audio('/sdcard/app/input.wav')

3.3 采集播放回环#

from media.pyaudio import *
import media.wave as wave
from media.media import *

def loop_audio(duration):
    CHUNK = int(44100/25)
    FORMAT = paInt16
    CHANNELS = 2
    RATE = 44100

    p = PyAudio()
    p.initialize(CHUNK)
    ret = media.buffer_init()
    if ret:
        print("loop_audio, buffer_init failed")

    input_stream = p.open(format=FORMAT,
                    channels=CHANNELS,
                    rate=RATE,
                    input=True,
                    frames_per_buffer=CHUNK)

    output_stream = p.open(format=FORMAT,
                     channels=CHANNELS,
                     rate=RATE,
                     output=True,
                     frames_per_buffer=CHUNK)

    for i in range(0, int(RATE / CHUNK * duration)):
        output_stream.write(input_stream.read())


    input_stream.stop_stream()
    output_stream.stop_stream()
    input_stream.close()
    output_stream.close()
    p.terminate()

    media.buffer_deinit()

loop_audio(15)