如何将wav文件转换为浮点幅度

Question

我在标题里问了所有的问题：

我有一个wav文件（是用PyAudio从输入音频录制的），我想把它转换成浮点数数据，这样就能表示声音的强度（振幅），然后进行一些傅里叶变换等等……

有没有人知道怎么把WAV数据转换成浮点数？

Answer 1

我花了好几个小时在找这个问题的答案。结果发现解决办法其实很简单：你需要用到 struct.unpack。最后的代码大概是这样的：

rawdata=stream.read()                  # The raw PCM data in need of conversion
from struct import unpack              # Import unpack -- this is what does the conversion
npts=len(rawdata)                      # Number of data points to be converted
formatstr='%ih' % npts                 # The format to convert the data; use '%iB' for unsigned PCM
int_data=unpack(formatstr,rawdata)     # Convert from raw PCM to integer tuple

大部分功劳要归功于 解读WAV数据。唯一需要注意的就是要把 unpack 的格式设置正确：这需要正确的字节数和格式（有符号或无符号）。

Answer 2

大多数的wav文件都是用PCM 16位整数格式保存的。

你需要做的事情有：

• 解析文件头，了解它的格式是什么（可以查看Xophmeister提供的链接）
• 读取数据，把整数值转换成浮点数

整数值的范围是从-32768到32767，而你需要把它们转换成浮点数，范围是从-1.0到1.0。

我没有Python的代码，不过在C++中，如果PCM数据是16位整数，这里有一段代码示例，可以把它转换成浮点数（32位）：

short* pBuffer = (short*)pReadBuffer;

const float ONEOVERSHORTMAX = 3.0517578125e-5f; // 1/32768 
unsigned int uFrameRead = dwRead / m_fmt.Format.nBlockAlign;

for ( unsigned int i = 0; i < uFrameCount * m_fmt.Format.nChannels; ++i )
{
    short i16In = pBuffer[i];
    out_pBuffer[i] = (float)i16In * ONEOVERSHORTMAX;
}

要小心立体声文件，因为wav文件中的立体声PCM数据是交错存储的，这意味着数据的排列是LRLRLRLRLRLRLRLR（而不是LLLLLLLLRRRRRRRR）。根据你对数据的处理方式，你可能需要或不需要进行去交错处理。

Answer 3

我找到两种不错的方法来实现这个功能。

方法一：使用wavefile模块

如果你不介意安装一些额外的库，可以选择这个方法。虽然在我的Mac上安装时有点麻烦，但在我的Ubuntu服务器上就简单多了。

https://github.com/vokimon/python-wavefile

import wavefile

# returns the contents of the wav file as a double precision float array
def wav_to_floats(filename = 'file1.wav'):
    w = wavefile.load(filename)
    return w[1][0]

signal = wav_to_floats(sys.argv[1])
print "read "+str(len(signal))+" frames"
print  "in the range "+str(min(signal))+" to "+str(max(signal))

方法二：使用wave模块

如果你想要减少安装模块的麻烦，可以选择这个方法。

这个方法可以从文件系统中读取一个wav文件，并把它转换成范围在-1到1之间的浮点数。它适用于16位的文件，如果文件有多个声道，它会按照文件中的样本顺序进行交错处理。对于其他位深度的文件，可以根据这个页面底部的表格，调整struct.unpack中的'h'参数：

https://docs.python.org/2/library/struct.html

不过，它不适用于24位的文件，因为没有24位的数据类型，所以无法告诉struct.unpack该怎么处理。

import wave
import struct
import sys

def wav_to_floats(wave_file):
    w = wave.open(wave_file)
    astr = w.readframes(w.getnframes())
    # convert binary chunks to short 
    a = struct.unpack("%ih" % (w.getnframes()* w.getnchannels()), astr)
    a = [float(val) / pow(2, 15) for val in a]
    return a

# read the wav file specified as first command line arg
signal = wav_to_floats(sys.argv[1])
print "read "+str(len(signal))+" frames"
print  "in the range "+str(min(signal))+" to "+str(max(signal))