如何使用 python 规范化原始音频文件

Question

我正在处理来自机器人的音频流。我正在使用 python，并将流式传输结果保存在 .raw 文件中。当我尝试重现文件时，它非常嘈杂。我需要标准化原始音频并将新清理的音频保存在我将保存到新原始文件中的 ndarray 中。

我看到，如果我将原始文件导入 Audacity，然后应用效果归一化，则噪声会被移除并且音频完全听得见。（在 Audacity 效果归一化中，我将归一化最大振幅设置为 -1.0 dB）

这是原始数据的内容（out_1_2.raw 是包含我在 Audacity 中导入的音频的文件）

A = np.fromfile('out_1_2.raw', dtype='int16')
print(A.shape)
print("A MAX --> "+ str(max(abs(A))))

这段代码的输出是：

(1638400,)
[    0     0  7168 16560     0     0  1024 16561     0     0]
A MAX --> 32704

在 Audacity 中导入 out_1_2.raw 并应用上述规范化效果后，我从 Audacity 将新的可听波导出到新的原始文件 (out_1_2_normalized.raw)，生成的文件具有以下内容：

B = np.fromfile('out_1_2_normalized.raw', dtype='int16')
print(B.shape)
print("B MAX --> "+ str(max(abs(B))))

这段代码的输出是：

(1638400,)
[     0 -16384 -22494  16316      0   8192  17813  16318      0  24576]
B MAX --> 32767

我希望知道必须用于此转换的算法是什么，以便我可以在我的 python 代码中应用它。如果我需要从零开始实现算法，或者是否有可以使用的python库。

这是raw audio file的示例

Answer 1

您的 wav 信号是一个数字 16 位信号，范围为 -32768 到 +32767。归一化后得到的最大值告诉我您正在归一化以使峰值等于范围的最大值。为了在 numpy 中做到这一点，您通常可以简单地执行以下操作：

not_normalized_signal = np.array([np.random.randint(-32768, 32767) for sample in range(16)], np.int16)  # Just a random 16 sample signal in the wav range with appropriate type.
print(np.max(np.abs(not_normalized_signal)))

normalized_signal = np.array([(not_normalized_signal / np.max(np.abs(not_normalized_signal))) * 32767], np.int16)

print(np.max(np.abs(normalized_signal)))

归一化首先将信号除以其最大绝对值。这会将其投影到 [-1, 1] 空间，然后乘以 wav 范围的最大值，将其投影回来。最后，我创建了一个具有适当 dtype 的新数组，以确保我们仍然有一个有效的 16 位 wav 数组。

我希望这会有所帮助！