如何在声音文件中获取特定时间的振幅？
我正在做一个项目，需要知道从电脑麦克风输入的声音的音量。
我现在使用的是Python和Snack Sound Toolkit，可以录制麦克风输入的音频，但我需要知道这个音频有多响。我可以把录音保存到一个文件里，然后用其他工具读取音频文件中某些时刻的音量，或者尝试在音频录制时直接获取音量（这样可能会出错）。
有没有什么库或者示例代码可以帮我解决这个问题？我查找了一下，目前看来Snack Sound Toolkit是我最好的选择，但似乎没有办法直接获取音量。
3 个回答
我不确定这是否有帮助，但skimpygimpy提供了一些工具，可以把WAVE文件解析成Python中的序列，也可以把它们转换回来。你可以用这个工具直接查看波形样本，做你想做的事情。不过，你需要阅读一些源代码，因为这些子组件没有文档说明。
我完全不同意CookieOfFortune的这个“回答”。
虽然问题的表述确实不太好……但这个回答把事情搞得比必要的复杂多了。我猜你说的“幅度”是指听到的声音大小。其实在技术上，每个PCM音频流中的样本代表了某个时间点的信号幅度。要想得到声音的大小，可以试试简单的均方根（RMS）计算：
|K<
在Snack Sound Toolkit的例子中，有一个叫做dbPowerSpectrum的函数。
根据参考资料：
dBPowerSpectrum ( )
这个函数计算声音在某个特定样本点的对数FFT功率谱，并返回一系列以分贝为单位的值。关于其他选项的描述，可以查看相关部分。你还可以选择一个结束点，使用end选项。在这种情况下，结果是指定范围内连续FFT的平均值。默认的间隔是根据fftlength来决定的，但你可以通过skip选项来改变这个间隔，告诉函数每次移动FFT窗口多少个点。选项包括：
编辑：我假设你说的幅度是指声音对人耳的“响亮程度”，而不是时间域的电压（因为整个时间段内的正弦波积分会是0，比如10 * sin(t)比5 * sin(t)响，但它们的平均值都是0。反正你也不想把非交流电压送到扬声器）。
要知道声音有多响，你需要确定每个频率成分的幅度。这是通过傅里叶变换（FFT）来实现的，它将声音分解成不同的频率成分。dbPowerSpectrum函数似乎会给你每个频率的幅度列表（如果这和功率谱的确切定义不符，请见谅）。要得到总音量，你只需将整个列表的值相加（这会很接近，但可能和人耳感知的响度还有些不同，因为人耳本身对不同频率的响应也会影响感知）。