手把手教你使用Python第三方庫PyAudio打造一款錄音工具

回復(fù)“書籍”即可獲贈Python從入門到進(jìn)階共10本電子書

大家好，我是【??（這是月亮的背面）】。今天給大家分享Python使用PyAudio制作錄音工具，文章目錄如下：

• 應(yīng)用平臺

• 音頻錄制部分

• 音頻播放部分

• GUI窗口所需屬性值代碼部分

• pynput監(jiān)聽鍵盤

• 總結(jié)

最近有在使用屏幕錄制軟件錄制桌面，在用的過程中突發(fā)奇想，使用python能不能做屏幕錄制工具，也鍛煉下自己的動(dòng)手能力。接下準(zhǔn)備寫使用python如何做屏幕錄制工具的系列文章：

• 錄制屏幕制作視頻
• 錄制音頻
• 合成視頻，音頻
• 基于Pyqt5制作可視化窗口

大概上述四個(gè)部分，希望自己能夠盡快完善，上一篇文章利用opencv制作了屏幕錄制部分，接下繼續(xù)更新系列，使用python錄制音頻。

應(yīng)用平臺

• windows 10
• python 3.7

音頻錄制部分

音頻錄制與視頻錄制相似，也是以數(shù)據(jù)幀的方式錄制保存，這次使用強(qiáng)大的第三方包PyAudio和內(nèi)置的wave模塊編寫主要部分代碼：pip install PyAudio

如果出現(xiàn)安裝失敗，可點(diǎn)擊去此處下載對應(yīng).whl文件，cp37代表python3.7環(huán)境，64代表64位操作系統(tǒng)。假如不是下載對應(yīng)的whl包會導(dǎo)致安裝失敗，下載完成后，cmd窗口下進(jìn)入whl的所在目錄，使用pip install PyAudio-xx.whl即可完成安裝。音頻錄制主要代碼：

from pyaudio import PyAudio, paInt16, paContinue, paComplete

# 設(shè)置固定參數(shù)
chunk = 1024  # 每個(gè)緩沖區(qū)的幀數(shù)
format_sample = paInt16  # 采樣位數(shù)
channels = 2  # 聲道：1，單聲道；2，雙聲道
fps = 44100  # 采樣頻率

# 這里采用回調(diào)的方式錄制音頻
def callback(in_data, frame_count, time_info, status):
    """錄制回調(diào)函數(shù)"""
    wf.writeframes(in_data)
    if xx:  # 當(dāng)某某條件滿足時(shí)
        return in_data, paContinue
    else:
        return in_data, paComplete

# 實(shí)例化PyAudio
p = PyAudio()
stream = p.open(format=format_sample,
    channels=channels,
    rate=fps,
                frames_per_buffer=chunk,
                input=True,
                input_device_index=None,  # 輸入設(shè)備索引, None為默認(rèn)設(shè)備
                stream_callback=callback   # 回調(diào)函數(shù)
                )
# 開始流錄制
stream.start_stream()
# 判斷流是否活躍
while stream.is_active():
 time.sleep(0.1)    # 0.1為靈敏度
# 錄制完成，關(guān)閉流及實(shí)例
stream.stop_stream()
stream.close()
p.terminate()

采取流式并用回調(diào)函數(shù)錄制，需要先定義保存音頻文件，用wave新建音頻二進(jìn)制文件：

import wave
wf = wave.open('test.wav', 'wb')
wf.setnchannels(channels)
wf.setsampwidth(p.get_sample_size(format_sample))
wf.setframerate(fps)

為了后續(xù)代碼可以很好的與之結(jié)合復(fù)用，將上面的代碼包裝成類

from pyaudio import PyAudio

class AudioRecord(PyAudio):

    def __init__(self,):

源碼于文末補(bǔ)充。

音頻播放部分

播放部分代碼與錄制部分代碼相差不大，核心部分：

wf = wave.open('test.wav', 'rb')
def callback(in_data, frame_count, time_info, status):
 data = wf.readframes(frame_count)
 return data, paContinue

stream = p.open(format=p.get_format_from_width(wf.getsampwidth()),
    channels=wf.getnchannels(),
                rate=wf.getframerate(),
    output=True,
    output_device_index=output_device_index,  # 輸入設(shè)備索引
    stream_callback=callback  # 輸出用回調(diào)函數(shù)
                )
stream.start_stream()
while stream.is_active():
 time.sleep(0.1)

目前暫時(shí)測試了.wav和.mp3格式可以正常錄制及播放，其它類型格式音頻可以自行調(diào)用代碼進(jìn)行測試。

GUI窗口所需屬性值代碼部分

考慮到GUI窗口能較為人性化的輸出及輸入值，編寫該部分代碼，內(nèi)容含音頻時(shí)長及獲取輸入設(shè)備及輸出設(shè)備。

# 音頻時(shí)長
duration = wf.getnframes() / wf.getframerate()

# 獲取系統(tǒng)目前已安裝的輸入輸出設(shè)備
dev_info = self.get_device_info_by_index(i)
default_rate = int(dev_info['defaultSampleRate'])
if not dev_info['hostApi'] and default_rate == fps and '映射器' not in dev_info['name']:
 if dev_info['maxInputChannels']:
  print('輸入設(shè)備：', dev_info['name'])
 elif dev_info['maxOutputChannels']:
  print('輸出設(shè)備：', dev_info['name'])

pynput監(jiān)聽鍵盤

在這部分代碼也暫時(shí)使用pynput監(jiān)聽鍵盤來對錄音做中斷處理?？梢哉{(diào)用上一篇文章中的鍵盤監(jiān)聽代碼。

def hotkey(self):
    """熱鍵監(jiān)聽"""
    with keyboard.Listener(on_press=self.on_press) as listener:
        listener.join()

def on_press(self, key):
    try:
        if key.char == 't':  # t鍵，錄制結(jié)束，保存音頻
            self.flag = True
        elif key.char == 'k':  # k鍵，錄制中止，刪除文件
            self.flag = True
            self.kill = True
    except Exception as e:
        print(e)

功能與上一篇類似，不再贅述。

總結(jié)

大家好，我是【??（這是月亮的背面）】。以上就是使用PyAudio調(diào)用windows的音頻設(shè)備進(jìn)行錄制及播放的內(nèi)容了，這篇文章帶大家整體學(xué)習(xí)了使用類及其繼承相關(guān)知識，用法在這只是展示了冰山一角，還有更多的知識等待著我們一起去探索！

于二零二一年十二月二十日作

源碼:

import wave
import time
from pathlib import Path
from threading import Thread
from pyaudio import PyAudio, paInt16, paContinue, paComplete
from pynput import keyboard  # pip install pynput


class AudioRecord(PyAudio):

    def __init__(self, channels=2):
        super().__init__()
        self.chunk = 1024  # 每個(gè)緩沖區(qū)的幀數(shù)
        self.format_sample = paInt16  # 采樣位數(shù)
        self.channels = channels  # 聲道：1，單聲道；2，雙聲道
        self.fps = 44100  # 采樣頻率
        self.input_dict = None
        self.output_dict = None
        self.stream = None
        self.filename = '~test.wav'
        self.duration = 0   # 音頻時(shí)長
        self.flag = False
        self.kill = False

    def __call__(self, filename):
        """重載文件名"""
        self.filename = filename

    def callback_input(self, in_data, frame_count, time_info, status):
        """錄制回調(diào)函數(shù)"""
        self.wf.writeframes(in_data)
        if not self.flag:
            return in_data, paContinue
        else:
            return in_data, paComplete

    def callback_output(self, in_data, frame_count, time_info, status):
        """播放回調(diào)函數(shù)"""
        data = self.wf.readframes(frame_count)
        return data, paContinue

    def open_stream(self, name):
        """打開錄制流"""
        input_device_index = self.get_device_index(name, True) if name else None
        return self.open(format=self.format_sample,
                         channels=self.channels,
                         rate=self.fps,
                         frames_per_buffer=self.chunk,
                         input=True,
                         input_device_index=input_device_index,  # 輸入設(shè)備索引
                         stream_callback=self.callback_input
                         )

    def audio_record_run(self, name=None):
        """音頻錄制"""
        self.wf = self.save_audio_file(self.filename)
        self.stream = self.open_stream(name)
        self.stream.start_stream()
        while self.stream.is_active():
            time.sleep(0.1)
        self.wf.close()
        if self.kill:
            Path(self.filename).unlink()
        self.duration = self.get_duration(self.wf)
        print(self.duration)
        self.terminate_run()

    def run(self, filename=None, name=None, record=True):
        """音頻錄制線程"""
        thread_1 = Thread(target=self.hotkey, daemon=True)
        if record:
            # 錄制
            if filename:
                self.filename = filename
            thread_2 = Thread(target=self.audio_record_run, args=(name,))
        else:
            # 播放
            if not filename:
                raise Exception('未輸入音頻文件名，不能播放，請輸入后再試！')
            thread_2 = Thread(target=self.read_audio, args=(filename, name,))
        thread_1.start()
        thread_2.start()

    def read_audio(self, filename, name=None):
        """音頻播放"""
        output_device_index = self.get_device_index(name, False) if name else None
        with wave.open(filename, 'rb') as self.wf:
            self.duration = self.get_duration(self.wf)
            self.stream = self.open(format=self.get_format_from_width(self.wf.getsampwidth()),
                                    channels=self.wf.getnchannels(),
                                    rate=self.wf.getframerate(),
                                    output=True,
                                    output_device_index=output_device_index,  # 輸出設(shè)備索引
                                    stream_callback=self.callback_output
                                    )
            self.stream.start_stream()
            while self.stream.is_active():
                time.sleep(0.1)
        print(self.duration)
        self.terminate_run()

    @staticmethod
    def get_duration(wf):
        """獲取音頻時(shí)長"""
        return round(wf.getnframes() / wf.getframerate(), 2)

    def get_in_out_devices(self):
        """獲取系統(tǒng)輸入輸出設(shè)備"""
        self.input_dict = {}
        self.output_dict = {}
        for i in range(self.get_device_count()):
            dev_info = self.get_device_info_by_index(i)
            default_rate = int(dev_info['defaultSampleRate'])
            if not dev_info['hostApi'] and default_rate == self.fps and '映射器' not in dev_info['name']:
                if dev_info['maxInputChannels']:
                    self.input_dict[dev_info['name']] = i
                elif dev_info['maxOutputChannels']:
                    self.output_dict[dev_info['name']] = i

    def get_device_index(self, name, input_in=True):
        """獲取選定設(shè)備索引"""
        if input_in and self.input_dict:
            return self.input_dict.get(name, -1)
        elif not input_in and self.output_dict:
            return self.output_dict.get(name, -1)

    def save_audio_file(self, filename):
        """音頻文件保存"""
        wf = wave.open(filename, 'wb')
        wf.setnchannels(self.channels)
        wf.setsampwidth(self.get_sample_size(self.format_sample))
        wf.setframerate(self.fps)
        return wf

    def terminate_run(self):
        """結(jié)束流錄制或流播放"""
        if self.stream:
            self.stream.stop_stream()
            self.stream.close()
        self.terminate()

    def hotkey(self):
        """熱鍵監(jiān)聽"""
        with keyboard.Listener(on_press=self.on_press) as listener:
            listener.join()

    def on_press(self, key):
        try:
            if key.char == 't':  # t鍵，錄制結(jié)束，保存音頻
                self.flag = True
            elif key.char == 'k':  # k鍵，錄制中止，刪除文件
                self.flag = True
                self.kill = True
        except Exception as e:
            print(e)


if __name__ == '__main__':
    audio_record = AudioRecord()
    audio_record.get_in_out_devices()
    # 錄制
    print(audio_record.input_dict)
    audio_record.run('test.mp3')
    # 播放
    print(audio_record.output_dict)
    audio_record.run('test.mp3', record=False)

小伙伴們，快快用實(shí)踐一下吧！如果在學(xué)習(xí)過程中，有遇到任何問題，歡迎加我好友，我拉你進(jìn)Python學(xué)習(xí)交流群共同探討學(xué)習(xí)。