如何在Python 2.6.6中播放音频同时显示文本？

Question

我正在尝试用Python 2.6.6写一个程序，想要在后台播放音频的同时显示文字。目前我只完成了一部分文字。

print "Well here we are again"
print "It’s always such a pleasure"
print "Remember when you tried to kill me twice?"
print "Oh, how we laughed and laughed"
print "Except I wasn’t laughing"
print "Under the circumstances I’ve been shockingly nice."

我有一个.wav格式的音频文件，想在程序开始时播放它。我还希望文字能和音乐同步播放（我可以指定文字在歌曲中的显示时间，比如00:00:02）。我想这应该可以通过某种音频模块来实现。

谢谢！

Answer 1

你可能会觉得pygame很有用。

http://www.pygame.org/docs/ref/mixer.html

Answer 2

你需要的是Python的GStreamer。

可以看看这个教程，这是个不错的入门地方。

编辑：在Windows系统上，你可以使用标准库里的winsound模块（哇！Python居然有这个！）可以查看winsound的文档。

Answer 3

我最近做了类似的事情，使用了audiere模块。

import audiere
ds = audiere.open_device()
os = ds.open_array(input, fs)
os.play()

这个模块会打开第一个可用的音频设备，因为你在用Windows，所以很可能是DirectSound。input只是一个numpy数组，fs是采样频率（因为输入是一个原始数组，你需要指定这个频率）。os.play()是一个非阻塞的调用，这意味着你可以同时打印文本或者做其他事情，还有其他方法可以暂停或停止播放等。为了播放其他类型的文件，我只是先把它们转换成wav格式。

下面是我如何解压wav文件的：

def wave_unpack(fname):
  """
  input: wave filename as string 
  output: left, right, params

  unpacks a wave file and return left and right channels as arrays
  (in case of a mono file, left and right channels will be copies)

  params returns a tuple containing:
  -number of audio channels (1 for mono, 2 for stereo)
  -sample width in bytes
  -sampling frequency in Hz
  -number of audio frames
  -compression type
  -compression name
  """
  import sndhdr, os, wave, struct
  from scipy import array
      assert os.path.isfile(fname), "file location must be valid"
  assert sndhdr.what(fname)[0] == 'wav', "file must have valid header"
  try:
    wav = wave.open(fname)
    params = (nchannels,sampwidth,rate,nframes,comp,compname) = wav.getparams()
    frames = wav.readframes(nframes*nchannels)
  finally:
    wav.close()
  out = struct.unpack_from ("%dh" % nframes*nchannels, frames)
  if nchannels == 2:
    left = array(out[0::2])
    right = array(out[1::2])
  elif nchannels == 1:
    right = left = array(out)
  else:
    assert 0, "number of channels must be 1 or 2"
  return left, right, params

比如说，要生成input和fs，你可以这样做：

from scipy import c_
left, right, params = wave_unpack(fn)
fs = params[2]
left_float  =  left.astype('f')/2**15
right_float = right.astype('f')/2**15
stereo = c_[left_float, right_float]
input = mono = stereo.mean(1)

这个方法对我来说很合适，但我的需求是用于FFT输入，而不是卡拉OK :)

我相信audiere支持立体声播放，只需要提供一个二维数组。