无需转码的Python库来修改MP3音频

Question

我想在开始一个小项目之前，了解一下mp3格式的一些基本知识，以确保我不会走弯路。

我对mp3格式的内部结构了解得不多。理想情况下，我希望能找到一个可以简化这些细节的库。我更倾向于使用Python（但如果有其他好的选择，我也可以考虑）。

我想以相对简单的方式修改一组mp3文件。我对ID3标签不太感兴趣，主要关注音频本身。我希望能够删除某些部分（比如从第三分钟开始删掉10秒），并插入一些内容（比如在最后加上鸣谢）。

我了解到mp3格式是有损的，所以如果把它解码成（例如）PCM格式，进行修改后再编码回mp3，音质可能会下降。（如果我错了，我很乐意听到。）

我猜测如果我一直使用mp3格式，可能会有某种最小的帧或数据包大小需要处理，这样操作的精细度可能会降低。我可以接受，只要能在几秒钟内达到准确性就行。

我看过PyMedia，但它需要我转换成PCM格式来处理数据。同样，LAME想帮我编码，但不让我直接访问数据。我还看到其他一些库只处理ID3标签。

有没有人能推荐一个Python的mp3库？或者，你能告诉我去PCM再回来的过程真的不好并且是可以避免的吗？

Answer 1

MP3是一种有损音频格式，但它的有损方式很特别。它使用的算法会丢掉一些你耳朵听不见（或者很难听见）的声音部分。重复进行同样程度的压缩，通常会得到几乎相同的音频结果。不过，随着时间的推移，可能会有一些额外的损失。如果你打算频繁修改文件，这可能不是个好主意。如果你对音质很在意，那么使用MP3本身就是个不太好的选择。

你可以用编码器和解码器做个测试，反复对几个不同的MP3文件进行重新编码，看看它们是怎么变化的，这样可以帮助你判断音质的下降速度，看看是否能接受。听起来你已经有一些库可以用来进行这个简单的测试了。

MP3文件是由“帧”组成的，所以只要稍微努力一下，就应该能在处理时最小化地删除整个帧（只需删除帧，更新文件头的一些小细节）。我相信每帧的长度都很短（大约几毫秒），这能提供你想要的精确度。因此，阅读一下MP3文件格式的相关内容，应该能让你获得足够的信息来编写自己的Python库来实现这个功能。这和传统的“音频处理”有很大不同（因为你不太关心精确度），所以你可能找不到现成的库来做这个。大多数库，如你所发现的，都会先解压音频，这样你就能进行更细致的控制。

Answer 2

如果你想做一些底层的操作，可以使用 pymad。这个工具可以把MP3音乐文件转换成一段样本数据的缓冲区。

如果你想要稍微高级一点的东西，可以使用 Echo Nest 的 Remix API（顺便说一下，我在我的日常工作中写过一部分）。这个API里有一些示例。如果你查看 cowbell 示例（也就是 MoreCowbell.dj），你会看到一个基于pymad的分支，它给你提供了一个 NumPy 数组，而不是一个缓冲区。这个数据类型让你更容易切割出特定的部分并进行数学运算。

Answer 3

我得到了三个很不错的回答，感谢大家的帮助。我没有选择任何一个作为最佳答案，因为每个回答都涉及了不同的方面，所以我想写个总结。

你真的需要使用MP3吗？

• 把音频转换成PCM格式再转换回MP3格式，通常不会导致音质下降。

• 不要急着优化音质；先用一个简单的原型测试一下，听听效果。

在MP3格式下工作

• 维基百科上有关于MP3文件格式的总结。

• MP3的帧很短（1152个采样，只有几毫秒），在这个层面上可以达到适度的精度。

• 不过，维基百科提醒说：“帧不是独立的项目（‘字节储存区’），因此不能在任意帧边界提取。”

• 如果我真的想避免解码，现有的库可能帮不上忙。

在PCM格式下工作

在这个层面上，有几个库可以使用：

• LAME（最新版本：2017年10月）
• PyMedia（最新版本：2006年2月）
• PyMad（仅限Linux？仅解码器？最新版本：2007年1月）

在更高层次上工作

• Echo Nest Remix API（目前仅限Mac或Linux）是一个网络服务的API，支持相当复杂的操作（例如，找到音乐节拍和节奏的位置等）。

• mp3DirectCut（仅限Windows）是一个图形界面应用，似乎可以执行我想要的操作，但它不是开源的。（我尝试运行它时，遇到了访问被拒绝的安装错误，之后没有继续跟进。图形界面不太适合我，因为我想在不断变化的文件库上重复运行这些操作。）

我现在的计划是从PyMedia开始，使用PCM格式。