前言

今天开始进入近期系列文章的第一篇，如何用 Python 来实现录音功能。

在开始"造轮子"之前，个人一直强调一个观点，如果有些东西已经有了，不妨直接去 github 上搜，用现成的就好。关于这个想法，其实 github 上已经有人实现了。

但是有些细节点，和我想的不太一样。所以呢，我还是决定自己体验一波流程，顺便踩踩坑，毕竟是从兴趣出发。

而在上篇文章留言区中，有个小伙伴也提出，其实在去年，就已经用树莓派实现了这系列的功能，我觉得还是蛮有意思的一件事。

下面进入正题。

环境准备

开始之前，先要介绍的是今天的主角，PyAudio。

这款第三方库，是一个跨平台音频库。

跨平台的性质，不用多说了吧！就是多面兼容你的系统，不论你是用的 windows 、mac、linux，它都是支持的。

安装命令如下： pip install PyAudio

mac的同志们，需要注意下，安装的时候可能会报错，安装如下即可。

brew install portaudio

完备的第三方库都会有对应的文档，地址如下：

https://people.csail.mit.edu/hubert/pyaudio/docs/#pyaudio

录音功能实现

先来介绍一下，如何使用它来进行录制音频功能！

PS: 音频方面的东西，我之前也没过多了解，近期写了 PyAudio 库的代码实现后才发现，要想明白代码的含义，还要有一些音频方面的知识作为前置储蓄，所以下面我会结合代码去通俗讲解，若有哪里不对的地方，欢迎评论区留言指出！

先来看代码。

设定参数：

CHUNK = 1024  # 每个缓冲区的帧数
FORMAT = pyaudio.paInt16  # 采样位数
CHANNELS = 1  # 单声道
RATE = 44100  # 采样频率

设定具体实现的参数，分别有 缓冲区帧数、采样位数、声道模式、采样频率。

具体实现录音代码：

def record_audio(wave_out_path, record_second):
    """ 录音功能 """
    p = pyaudio.PyAudio()  # 实例化对象
    stream = p.open(format=FORMAT,
                    channels=CHANNELS,
                    rate=RATE,
                    input=True,
                    frames_per_buffer=CHUNK)  # 打开流，传入响应参数
    wf = wave.open(wave_out_path, 'wb')  # 打开 wav 文件。
    wf.setnchannels(CHANNELS)  # 声道设置
    wf.setsampwidth(p.get_sample_size(FORMAT))  # 采样位数设置
    wf.setframerate(RATE)  # 采样频率设置

    for _ in range(0, int(RATE * record_second / CHUNK)):
        data = stream.read(CHUNK)
        wf.writeframes(data)  # 写入数据
    stream.stop_stream()  # 关闭流
    stream.close()
    p.terminate()
    wf.close()

先用正常代码逻辑思维解释下，其中涉及到的专业名词，继续往下看，后面会有相应的解释。

首先对 pyaudio 库进行实例化。用其生成的实例化对象对数据流进行相应的打开，也就是 open 函数。在这块，分别传入了参数，采样位数、声道、采样频率，以及最后的缓冲区帧数。

调用 Python 自带的 wave 库，再次进行写入 wav 的相关设置。此处的操作类似 Python 写 txt ，只不过多了点音频设置而已。

用 采样频率 * 音频秒数/ 每个缓冲区帧数 ，得到的就是你要写入多少个块缓冲区的数量。最终，只需要每次循环写入固定的 1024，一共循环得出的多少个块缓冲区。即可得到最终的数据。

这里的公式计算，如果在不了解下述基础概念之前，是很难理解的。

音频基础知识普及

看了上面的代码解释，是不是一脸懵逼。来普及下所涉及到的专业名词。

首先， wav 和 mp3 的后缀结尾，有什么不同？

其次，关键的名词解释。

采样位数：可以理解数字音频设备处理声音的解析度，即对声音的辨析度。就像表示颜色的位数一样（8位表示256种颜色，16位表示65536种颜色），有8位，16位等。这个数越大，解析度就越高，录制和回放的声音也就越真实。

采样频率：就是对声音信息1秒钟采样多少次，以记录成数字信息。如CD音频是44.1KHz采样率，它对声音以每秒44100次的频率来记录信息。原则上采样率越高，声音的质量越好。

截取了一段百度百科的例子，关于采样频率的设定，代码中选择的即 44100 Hz 。

每个缓冲区帧数：通俗的举个例子，你手里有 102400 块钱，现在要上交给女朋友。但是，你心想一口气全给她，怕撑爆了她的钱包。于是你定了一个值，每次只给她 1024 元。

这里的 1024 元即每个缓存区的帧数。你想全部上交，需要几次才能完成呢？是不是得重复上交这个动作 100 次！此时，这里的 100 次，便对应了上述代码的循环次数，即公式算出来的有多少个块缓存区。

弄懂音频基础知识后，再去回看代码，你会发现那些参数的意义就一目了然了。

播放功能实现

有了以上知识点，对于读文件来说，就相当 easy 了！直接放上核心代码：

def play_audio(wave_input_path):
    p = pyaudio.PyAudio()  # 实例化
    wf = wave.open(wave_input_path, 'rb')  # 读 wav 文件
    stream = p.open(format=p.get_format_from_width(wf.getsampwidth()),
                    channels=wf.getnchannels(),
                    rate=wf.getframerate(),
                    output=True)
    data = wf.readframes(CHUNK)  # 读数据
    while len(data) > 0:
        stream.write(data)
        data = wf.readframes(CHUNK)

    stream.stop_stream()  # 关闭资源
    stream.close()
    p.terminate()

读文件的话，没有什么可讲的，我是直接从官方文档的例子中 copy 的，修改了一下相应的参数，即可实现。

总结

总的来说，音频的操作，Python中的 PyAudio 库是非常友好的，当然，经过各种查阅资料，发现在写入音频文件时，不同人有不同的写法，而文中的这套公式算法，应该是较为简洁的一种。

老规矩，有想要本章全部源码的同学，后台回复 音频 ，即可获得地址。

文中关于音频的解释，哪里有错误，欢迎评论区留言指出！