使用Python實(shí)現(xiàn)音頻降噪功能

更新時(shí)間：2024年11月11日 08:53:48 作者：白鳥無言

在音頻處理領(lǐng)域,背景噪聲是一個(gè)常見的問題,為了提高音頻的質(zhì)量,我們需要對(duì)音頻進(jìn)行降噪處理,本文將介紹如何使用 Python 實(shí)現(xiàn)音頻降噪,文中通過代碼示例講解的非常詳細(xì),需要的朋友可以參考下

依賴庫安裝
安裝 FFmpeg
導(dǎo)入庫
設(shè)置參數(shù)和讀取音頻文件
將音頻數(shù)據(jù)轉(zhuǎn)換為 NumPy 數(shù)組
對(duì)音頻進(jìn)行降噪處理
將降噪后的數(shù)據(jù)轉(zhuǎn)換回音頻并保存
繪制降噪前后的波形圖
調(diào)整降噪力度
測試結(jié)果
附錄

依賴庫安裝

在開始之前，我們需要安裝以下依賴庫：

pydub：用于音頻文件的讀取和寫入。
numpy：用于數(shù)組和數(shù)值計(jì)算。
noisereduce：用于音頻降噪。
matplotlib：用于繪制波形圖。

使用以下命令安裝依賴庫：

pip install pydub numpy noisereduce matplotlib

安裝 FFmpeg

FFmpeg 是一個(gè)強(qiáng)大的多媒體處理工具，pydub 庫需要依賴它來處理音頻文件。請(qǐng)按照以下步驟在 Windows 上安裝 FFmpeg：

下載 FFmpeg：訪問 FFmpeg 的官方網(wǎng)站。下載預(yù)編譯的 FFmpeg 二進(jìn)制文件。
解壓文件：解壓到一個(gè)目錄，例如 C:\ffmpeg。
配置環(huán)境變量：將 FFmpeg 的 bin 目錄添加到系統(tǒng)環(huán)境變量中，然后重啟
驗(yàn)證安裝：打開終端，輸入命令 ffmpeg -version，如果安裝成功，將看到 FFmpeg 的版本信息輸出。

對(duì)于m4a文件，可以使用FFmpeg將其轉(zhuǎn)換為wav，再進(jìn)行處理：

ffmpeg -i file.m4a file.wav

導(dǎo)入庫

from pydub import AudioSegment
import numpy as np
from pathlib import Path
import noisereduce as nr
import matplotlib.pyplot as plt

設(shè)置參數(shù)和讀取音頻文件

# 設(shè)置音頻文件路徑
seq = "01"
data_folder = Path("data/")
file_to_open = data_folder / f"{seq}.wav"

# 設(shè)置截取時(shí)間（秒）
time_beg = 10
time_end = 55

# 讀取音頻文件
audio = AudioSegment.from_file(file_to_open, format="wav")

# 打印音頻信息
print(f"Channels: {audio.channels}")
print(f"Frame rate: {audio.frame_rate} Hz")
print(f"Duration: {len(audio) / 1000.0} seconds")

將音頻數(shù)據(jù)轉(zhuǎn)換為 NumPy 數(shù)組

# 獲取音頻樣本數(shù)據(jù)
raw_data = np.array(audio.get_array_of_samples())

# 處理立體聲和單聲道
if audio.channels == 2:
    # 將立體聲數(shù)據(jù)重塑為二維數(shù)組
    raw_data = raw_data.reshape((-1, 2))
    # 截取指定時(shí)間段的數(shù)據(jù)
    raw_data = raw_data[time_beg * audio.frame_rate : time_end * audio.frame_rate, :]
    print(f"Stereo audio detected. Data shape: {raw_data.shape}")
else:
    # 截取指定時(shí)間段的數(shù)據(jù)
    raw_data = raw_data[time_beg * audio.frame_rate : time_end * audio.frame_rate]
    print(f"Mono audio detected. Data shape: {raw_data.shape}")

對(duì)音頻進(jìn)行降噪處理

# 初始化降噪后的數(shù)據(jù)數(shù)組
reduced_noise = np.zeros_like(raw_data)

# 設(shè)置降噪?yún)?shù)（可調(diào)整 prop_decrease 的值來改變降噪力度）
prop_decrease_value = 0.95

if audio.channels == 2:
    # 分別對(duì)每個(gè)通道進(jìn)行降噪
    for i in range(audio.channels):
        reduced_noise[:, i] = nr.reduce_noise(
            y=raw_data[:, i], sr=audio.frame_rate, prop_decrease=prop_decrease_value
        )
else:
    # 對(duì)單聲道音頻進(jìn)行降噪
    reduced_noise = nr.reduce_noise(
        y=raw_data, sr=audio.frame_rate, prop_decrease=prop_decrease_value
    )

將降噪后的數(shù)據(jù)轉(zhuǎn)換回音頻并保存

# 將降噪后的數(shù)據(jù)轉(zhuǎn)換為 AudioSegment 對(duì)象
if audio.channels == 2:
    # 將二維數(shù)組展平成一維交錯(cuò)數(shù)組
    interleaved = reduced_noise.astype(np.int16).flatten().tobytes()
else:
    interleaved = reduced_noise.astype(np.int16).tobytes()

# 創(chuàng)建新的音頻段
denoised_audio = audio._spawn(interleaved)

# 保存降噪后的音頻文件
output_path = data_folder / f"{seq}_denoised.wav"
denoised_audio.export(output_path, format="wav")

繪制降噪前后的波形圖

plt.figure(figsize=(12, 6))

# 原始音頻波形
plt.subplot(2, 1, 1)
plt.title('原始音頻波形')
plt.plot(raw_data)
plt.tight_layout()

# 降噪后音頻波形
plt.subplot(2, 1, 2)
plt.title('降噪后音頻波形')
plt.plot(reduced_noise)
plt.tight_layout()

plt.show()

調(diào)整降噪力度

在降噪處理中，prop_decrease參數(shù)控制了降噪的力度，其取值范圍為 0 到 1。值越大，降噪力度越強(qiáng)。您可以通過調(diào)整 prop_decrease_value 的值來改變降噪效果：

prop_decrease_value = 0.5  # 降低降噪力度

測試結(jié)果

附錄

完整程序：

from pydub import AudioSegment
import numpy as np
from pathlib import Path
import noisereduce as nr
import matplotlib.pyplot as plt

seq = "03"
data_folder = Path("data/")
file_to_open = data_folder / f"{seq}.wav"

time_beg = 120
time_end = 170

prop_decrease = 0.95

# 讀取原始音頻文件
audio = AudioSegment.from_file(file_to_open, format="wav")

# 打印音頻信息
print(f"Channels: {audio.channels}")
print(f"Frame rate: {audio.frame_rate}")
print(f"Duration: {len(audio) / 1000.0} seconds")

# 將音頻數(shù)據(jù)轉(zhuǎn)換為 NumPy 數(shù)組
raw_data = np.array(audio.get_array_of_samples())

# 如果是立體聲，轉(zhuǎn)換為二維數(shù)組
if audio.channels == 2:
    # 截取
    raw_data = raw_data.reshape((-1, 2))
    raw_data = raw_data[time_beg * audio.frame_rate:time_end * audio.frame_rate, :]
    print(f"Stereo audio detected. Data shape: {raw_data.shape}")

    # 對(duì)每個(gè)通道分別進(jìn)行降噪
    reduced_noise = np.zeros_like(raw_data)
    for i in range(audio.channels):
        reduced_noise[:, i] = nr.reduce_noise(y=raw_data[:, i], sr=audio.frame_rate, prop_decrease=prop_decrease)
else:
    print(f"Mono audio detected. Data shape: {raw_data.shape}")
    raw_data = raw_data[time_beg * audio.frame_rate:time_end * audio.frame_rate]
    # 對(duì)單通道音頻進(jìn)行降噪
    reduced_noise = nr.reduce_noise(y=raw_data, sr=audio.frame_rate)
    
# # 放大音量
# reduced_noise = reduced_noise * 10

# # 將大于1000的值截?cái)酁?
# reduced_noise[np.abs(reduced_noise) > 2000] = 0


# 將降噪后的數(shù)據(jù)轉(zhuǎn)換回 AudioSegment 對(duì)象
# 注意，AudioSegment 需要一維數(shù)組，立體聲需要交錯(cuò)的字節(jié)數(shù)據(jù)

# 將數(shù)組轉(zhuǎn)換為 bytes
if audio.channels == 2:
    # 將二維數(shù)組轉(zhuǎn)換為交錯(cuò)的一維數(shù)組
    interleaved = reduced_noise.astype(np.int16).flatten().tobytes()
else:
    interleaved = reduced_noise.astype(np.int16).tobytes()

denoised_audio = audio._spawn(interleaved)

# 保存降噪后的音頻
output_path = data_folder / f"{seq}_denoised.wav"
denoised_audio.export(output_path, format="wav")

# 繪制降噪前后的波形
plt.figure(figsize=(12, 6))

plt.subplot(2, 1, 1)
plt.title('raw_data')
plt.plot(raw_data)
plt.tight_layout()

plt.subplot(2, 1, 2)
plt.title('reduced_noise')
plt.plot(reduced_noise)
plt.tight_layout()

plt.show()

以上就是使用Python實(shí)現(xiàn)音頻降噪功能的詳細(xì)內(nèi)容，更多關(guān)于Python音頻降噪的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！

您可能感興趣的文章: