如何在函数之间传递编辑的wav而不在两者之间保存wav？答案

【问题标题】：how to pass edited wav between functions without saving wav in between?如何在函数之间传递编辑的wav而不在两者之间保存wav？
【发布时间】：2020-12-07 13:31:07
【问题描述】：

我有 2 个人的 wav 对话（客户和技术支持）我有 3 个独立的函数，可以提取 1 个语音，剪切 10 秒并将其转换为嵌入。

def get_customer_voice(file):

    print('getting customer voice only')
    wav = wf.read(file)
    ch = wav[1].shape[1]#customer voice always in 1st track
    sr = wav[0]
    c1 = wav[1][:,1]
    #print('c0 %i'%c0.size)

    if ch==1:
        exit()
    vad = VoiceActivityDetection()
    vad.process(c1)
    voice_samples = vad.get_voice_samples()
    #this is trouble - how to pass it without saving anywhere as wav?
    wf.write('%s_customer.wav'%file,sr,voice_samples)

下面的函数从上面的函数中截取 10 秒的 wav 文件。

import sys
from pydub import AudioSegment

def get_customer_voice_10_seconds(file):
    voice = AudioSegment.from_wav(file)
    new_voice = voice[0:10000]
    file = str(file) + '_10seconds.wav'
    new_voice.export(file, format='wav')


if __name__ == '__main__':
    if len(sys.argv) < 2:
        print('give wav file to process!')
    else:
        print(sys.argv)
        get_customer_voice_10_seconds(sys.argv[1])

如何将它作为 wav 或其他格式传递而不将其保存到某个目录？它是在rest api中使用的，我不知道它会在哪里保存那个wav，所以最好应该以某种方式传递。

【问题讨论】：

如果函数在同一个程序中并且它们可以处理类文件对象，那么你可以使用io.BytesIO()在内存中创建文件。
我不知道wf和VoiceActivityDetection是什么，但AudioSegment.from_wav()在wav中与wav一起使用
@furas，你能帮我解决这个问题吗？是缓冲读写吗？如何做到这一点？
我仍然不知道 wf 和 VoiceActivityDetection 是什么 - 所以我无法检查它是否可以与类似文件的对象一起使用。有问题地描述什么是 wf 和 VoiceActivityDetection - 您从哪个模块获得它。
@furas，我做到了，谢谢你，检查答案。 wf 是“将 scipy.io.wavfile 导入为 wf”

标签： python audio base64 wav converters

【解决方案1】：

我想通了 - 下面的功能无需保存、缓冲等即可工作。它接收一个 wav 文件并对其进行编辑，然后直接发送到 get math 嵌入函数：

def get_customer_voice_and_cutting_10_seconds_embedding(file):

    print('getting customer voice only')
    wav = read(file)
    ch = wav[1].shape[1]
    sr = wav[0]

    c1 = wav[1][:,1]

    vad = VoiceActivityDetection()
    vad.process(c1)
    voice_samples = vad.get_voice_samples()
    audio_segment = AudioSegment(voice_samples.tobytes(), frame_rate=sr,sample_width=voice_samples.dtype.itemsize, channels=1)
    audio_segment = audio_segment[0:10000]
    file = str(file) + '_10seconds.wav'

    return get_embedding(file)

关键是音频段中的tobytes()，它只是将它们再次组合到一个轨道中

【讨论】：

干得好，我怀疑不使用io.BytesIO也是可能的