python – 分裂/加入mp3时pydub音频故障

2019年7月28日 226次阅读

我正在尝试pydub,我非常喜欢,但是在分割/加入mp3文件时我遇到了问题.

我需要在服务器上生成一系列小的音频片段,这些片段将按顺序发送到Web浏览器并通过< audio />播放.元件.我需要音频播放是“无缝的”,单独的部分之间没有可听见的连接.然而,目前,单独的音频位之间的连接非常明显,有时会出现短暂的静音,有时会出现奇怪的音频故障.

在我的概念验证代码中,我使用了一个大型mp3并将其拆分为1秒块,如下所示：

song = AudioSegment.from_mp3('my.mp3')
song_pos = 0
while song_pos < 100:
    p1 = song_pos * 1000
    p2 = p1 + 1000

    segment = song[p1:p2] # 1 second of audio

    output = StringIO.StringIO()
    segment.export(output, format="mp3")
    client_data = output.getvalue() # send this to client

    song_pos += 1

client_data值通过长期的http连接流式传输到浏览器：

socket.send("HTTP/1.1 200 OK\r\nConnection: Keep-Alive\r\nContent-Type: audio/mp3\r\n\r\n")

然后为每个新的音频块

socket.send(client_data)

任何人都可以解释我听到的故障,并提出消除它们的方法吗？

最佳答案 将我的评论升级为答案：

主要问题是ffmpeg使用的MP3编解码器会在编码音频的末尾添加静音(并且您的方法是生成多个单独的音频文件).

如果可能,请使用wave等无损格式,然后使用gzip或类似方法缩小文件大小.您也可以使用无损音频压缩(例如,flac),但这可能取决于编码器的工作方式.

对于您听到的可听到的伪像我没有确凿的解释,但可能是您在信号非零的点处分割音频.如果声音以值为100(例如)的样本开始,则听起来像数字弹出声音. MP3压缩也可能改变声音,特别是在较低的比特率下.如果这是问题,1ms淡入将消除流行音而没有明显的可听见的“淡入淡出”(尽管可能引入其他伪像) – 较长的淡入淡出(如20或50 ms将避免奇怪的频域伪像,但会引入明显的“淡入”.

如果你愿意做更多(编码)工作,你可以搜索“零交叉”(基本上,信号自然处于零点的位置)并在那里分割音频.

如果可能的话,可能是最好的方法：

将整个信号编码为单个压缩文件,并将(一个文件中的)字节以块的形式发送到客户端,以便作为单个流进行回放.如果你使用恒定的比特率mp3编码(CBR),你可以通过计算字节来发送几乎完美的1秒长块.例如,使用256kbps CBR,一次只发送256 KB.

点赞