声波的最小表示？

Question

我想从音轨中提取一个一维的单一矢量，简单地表示它在给定时间的 "volume" 或 "intensity"（我不确定这个术语）。

以可用样本为例：

wget https://freewavesamples.com/files/Ensoniq-ESQ-1-Sympy-C4.wav

并将其转换为 mono:

ffmpeg -i Ensoniq-ESQ-1-Sympy-C4.wav -acodec pcm_s16le -ac 1 -ar 44100 audio_test.wav

我从一个 related Q&A thread 中收集到这种可视化声波的方法：

from scipy.io.wavfile import read
import matplotlib.pyplot as plt

input_data = read("audio_test.wav")
audio = input_data[1]

plt.plot(audio)
plt.ylabel("Amplitude")
plt.xlabel("Time")  
plt.title("Sample Wav")
plt.show()

"positive"和"negative"两边相当对称但不完全对称。有没有办法将它们合并成一个 "positive" 行？如果是，我如何从 audio 变量中提取这些数据点？

非常感谢您的帮助！

Answer 1

根据 @anerisgreat 和一位同事的建议，我找到了这个解决方案（这对更大的音频样本更有意义）：

wget https://file-examples.com/wp-content/uploads/2017/11/file_example_WAV_10MG.wav
ffmpeg -i file_example_WAV_10MG.wav -acodec pcm_s16le -ac 1 -ar 44100 audio_test.wav

from scipy.io.wavfile import read
import matplotlib.pyplot as plt

def positive_enveloppe(wav_dat):
    freq = wav_dat[0]
    pts = np.absolute(wav_dat[1])
    pos_env = np.zeros(len(pts) // freq + int(bool(len(pts) % freq)))

    env_idx, pts_idx = 0, 0
    while pts_idx < len(pts):
        sub_ar = pts[pts_idx:pts_idx+freq]
        mov_avg = np.mean(sub_ar)
        pos_env[env_idx] = mov_avg
        pts_idx += freq
        env_idx += 1

    return pos_env

input_data = read("audio_test.wav")
enveloppe_data = positive_enveloppe(input_data)
plt.plot(enveloppe_data)
plt.show()

产量：

声波的最小表示？

Minimal representation of a sound wave?

python

audio

signal-processing

wav

scipy