如何使用python从mp3文件中提取原始数据？

Question

我有关于使用Python进行音频数据分析的家庭作业。我想知道有没有什么好的模块可以用来从mp3文件中提取原始数据。我是说原始数据，而不是元数据，id3标签。

我知道如何使用wave模块来处理.wav文件。我可以readframes获取原始数据。但我不知道怎么用mp3。我在google和stackoverflow上搜索了很多，找到了eyeD3。但不幸的是，文档相当令人沮丧，现在的版本是0.7.1，不同于我在互联网上找到的大多数例子。

有没有好的模块可以从mp3中提取原始数据？如果有任何关于eyeD3的好文档，它也是好的。

Answer 1

stackoverflow周围也有一些类似的问题。有不同的用例。

1. 用户希望将.mp3文件转换为PCM文件，如.wav文件。

2. 用户希望访问.mp3文件中的原始数据（即，不要将其视为压缩的PCM）。这里的用例是理解MP3和AAC这样的压缩方案是如何工作的。

这个答案是针对其中的第二个，尽管我没有工作代码可以共享或指向。

MP3等压缩方案通常在频域工作。作为一个简单的例子，您可以一次获取一个.wav文件1024个样本，使用FFT变换1024个样本的每个块，并将其存储。粗略地说，有损压缩然后丢弃来自频域的信息，以便允许更小的编码。

如果只想从.mp3转换为.wav，那么纯python实现是非常不切实际的。但是，如果你想探索.mp3和相关的方案是如何工作的，有一些你可以很容易地修改的东西，即使代码运行速度比ffmpeg使用的慢1000倍，实际上也是有用的，特别是如果用一种让源代码的读写者能够看到.mp3压缩是如何工作的方式编写的。例如，请参阅http://bugra.github.io/work/notes/2014-07-12/discre-fourier-cosine-transform-dft-dct-image-compression/中的IPython工作簿，该工作簿介绍如何在JPEG等图像压缩方案中使用频域变换。类似于MP3压缩和类似的东西对人们学习压缩很有用。

mp3文件基本上是一个mp3帧序列，每个帧都有一个头部和数据组件。然后，第一个任务是编写一个（或多个）Python类来表示它们，并从.mp3文件中读取它们。首先以二进制模式（即f=open（filename，“rb”）读取文件，然后data=f.read（）——在现代机器上，假设.mp3中的一首典型的5分钟歌曲大约为5 MB，那么您也可以一次性读取整个文件。

按照这些思路编写一个更简单（而且效率要低得多）的编码方案来探索它的工作原理也是值得的，随着时间的推移，可以逐渐添加MP3和AAC这样的技巧方案。例如，将一个PCM输入文件分割成1024个样本块，使用FFT或DCT或其他方法，然后再返回，看看如何恢复原始数据。然后探索如何将数据从频率转换版本中丢弃，并查看它在转换回PCM数据时的效果。一开始，最终的结果将非常糟糕，但是通过看到问题，并看到MP3和AAC所做的事情，您可以了解到为什么这些压缩方案以它们的方式做事情。

简而言之，如果您的用例是一个“完成任务”用例，那么您可能不想使用Python。另一方面，如果你的用例是一个“学习如何完成事情”的用例，那就不一样了。（作为一个粗略的经验法则，从90年代开始，在奔腾100上使用优化后的程序集可以做些什么，在现代核心i5上使用Python可以达到大致相同的性能——大概是这样——原始性能有100倍左右，使用Python也会有类似的减速）。

Answer 2

你试过以读取二进制模式打开文件吗？

f = open("test.mp3", "rb")
first16bytes = f.read(16)
etc...

Answer 3

如果我理解您的问题，您可以尝试使用pydub（我编写的库）获取音频数据，如下所示：

from pydub import AudioSegment

sound = AudioSegment.from_mp3("test.mp3")

# sound._data is a bytestring
raw_data = sound._data

Answer 4

stackoverflow周围也有一些类似的问题。有不同的用例。

1. 用户希望将.mp3文件转换为PCM文件，如.wav文件。

2. 用户希望访问.mp3文件中的原始数据（即，不要将其视为压缩的PCM）。这里的用例是理解MP3和AAC这样的压缩方案是如何工作的。

这个答案是针对其中的第二个，尽管我没有工作代码可以共享或指向。

MP3等压缩方案通常在频域工作。作为一个简单的例子，您可以一次获取一个.wav文件1024个样本，使用FFT变换1024个样本的每个块，并将其存储。粗略地说，有损压缩然后丢弃来自频域的信息，以便允许更小的编码。

如果只想从.mp3转换为.wav，那么纯python实现是非常不切实际的。但是如果你想探索.mp3和相关的方案是如何工作的，有一些你可以很容易地修改的东西，即使代码运行速度比ffmpeg使用的慢1000倍，实际上也是很有用的，特别是如果用一种让源代码的读者看到.mp3压缩是如何工作的方式编写。例如，请参阅http://bugra.github.io/work/notes/2014-07-12/discre-fourier-cosine-transform-dft-dct-image-compression/中的IPython工作簿，该工作簿介绍如何在JPEG等图像压缩方案中使用频域变换。类似于MP3压缩和类似的东西对人们学习压缩很有用。

mp3文件基本上是一个mp3帧序列，每个帧都有一个头部和数据组件。然后，第一个任务是编写一个（或多个）Python类来表示它们，并从.mp3文件中读取它们。首先以二进制模式（即f=open（filename，“rb”）读取文件，然后data=f.read（）——在现代机器上，假设.mp3中的一首典型的5分钟歌曲大约为5 MB，那么您也可以一次性读取整个文件。

按照这些思路编写一个更简单（而且效率要低得多）的编码方案来探索它的工作原理也是值得的，随着时间的推移，可以逐渐添加MP3和AAC这样的技巧方案。例如，将一个PCM输入文件分割成1024个样本块，使用FFT或DCT或其他方法，然后再返回，看看如何恢复原始数据。然后探索如何将数据从频率转换版本中丢弃，并查看它在转换回PCM数据时的效果。一开始，最终的结果将非常糟糕，但是通过看到问题，并看到MP3和AAC所做的事情，您可以了解到为什么这些压缩方案以它们的方式做事情。

简而言之，如果您的用例是一个“完成任务”用例，那么您可能不想使用Python。另一方面，如果你的用例是一个“学习如何完成事情”的用例，那就不一样了。（作为一个粗略的经验法则，从90年代开始，在奔腾100上使用优化后的程序集可以做些什么，在现代核心i5上使用Python可以达到大致相同的性能——大概是这样——原始性能有100倍左右，使用Python也会有类似的减速）。