如何调用python中的playsound在线播放声音

这是个库的bug，上面报错是库里面报出来的，

它调用系统api打开音频出错，然后想打印出错误信息，但没想到错误信息解码失败

我在官方库提了个issue：网页链接

查看使用说明： ffmpeg -h 。

转换命令如下：

这次我们用到的主要是 -ab 命令，用来指定音频转换的比特率，常见的有: 192K， 320K 等。

Librosa是一个 Python 模块，用于分析一般的音频信号，是一个非常强大的python语音信号处理的第三方库，根据网络资料以及官方教程，本文主要总结了一些重要且常用的功能。

IPythondisplayAudio 可以让我们直接在 jupyter notebook 中播放音频，比如下面包房一段音频

在这里，我们绘制了一个简单的音频波形图。 波图让我们知道给定时间的音频响度。

频谱图（Spectogram）是声音频率随时间变化的频谱的可视化表示，是给定音频信号的频率随时间变化的表示。'stft' 将数据转换为短期傅里叶变换。 STFT转换信号，以便我们可以知道给定时间给定频率的幅度。 使用 STFT，我们可以确定音频信号在给定时间播放的各种频率的幅度。

Spectrogram特征是目前在语音识别和环境声音识别中很常用的一个特征，由于CNN在处理图像上展现了强大的能力，使得音频信号的频谱图特征的使用愈加广泛，甚至比MFCC使用的更多。

信号的梅尔频率倒谱系数 (MFCC) 是一小组特征（通常约为 10-20），它们简明地描述了频谱包络的整体形状。在 MIR 中，它经常被用来描述音色。

在这个例子中，mfcc 在 89 帧中计算了 20 个 MFCC。

第一个 MFCC，第 0 个系数，不传达与频谱整体形状相关的信息。 它只传达一个恒定的偏移量，即向整个频谱添加一个恒定值。 因此，很多情况我们可以在进行分类时会丢弃第一个MFCC。

过零率（zero-crossing rate，ZCR）是指一个信号的符号变化的比率，例如信号从正数变成负数，或反过来。这个特征已在语音识别和音乐信息检索领域得到广泛使用，是分类敲击声的关键特征。为真时为1，否则为0。在一些应用场景下，只统计“正向”或“负向”的变化，而不是所有的方向。

可以使用整个音频来遍历这个并推断出整个数据的过零。

频谱质心（维基百科）表示频谱能量集中在哪个频率上。这就像一个加权平均值：

其中 S(k) 是频段 k 处的频谱幅度，f(k) 是频段 k 处的频率。

librosafeaturespectral_bandwidth 可以用来计算p-order频谱带宽：

其中 S(k) 是频段 k 处的频谱幅度，f(k) 是频段 k 处的频率，fc 是频谱质心。当 p=2 时，这就像一个加权标准差。

频谱衰减是总频谱能量的特定百分比所在的频率。

色度向量 (Wikipedia) 是一个典型的 12 元素特征向量，指示每个音高类别 {C, C#, D, D#, E, , B} 的能量是多少存在于信号中。

音高是声音的感知属性，在与频率相关的尺度上排序，或者更常见的是，音高是可以判断声音在与音乐旋律相关的意义上“更高”和“更低”的质量。

import librosa

import os

filedir = 'E:/data'

list = oslistdir(filedir)

time_count = 0

for file in list:

if 'wav' in file:

wav_path = filedir + '/' + file

duration = librosaget_duration(filename=wav_path)

print(duration)

time_count += duration

print('总秒数:' + str(time_count))

print('总小时数:' + str(time_count / 60 / 60))

以上就是关于如何调用python中的playsound在线播放声音全部的内容，包括:如何调用python中的playsound在线播放声音、python调用ffmpeg批量转换音频flac、mp3、m4a、librosa音频处理教程等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！