Comment obtenir la durée de l'audio en Python ?
Le domaine du traitement audio s'est considérablement élargi ces dernières années et Python est devenu un choix courant pour gérer les tâches liées à la manipulation audio. Lorsque vous travaillez avec de l'audio, l'une des tâches courantes consiste à déterminer la longueur du fichier audio, ce qui est utile dans diverses applications telles que la création de listes de lecture, l'analyse de données audio ou le développement d'outils d'édition audio.
Tout au long de cet article, vous serez guidé à travers une variété de techniques, allant des plus basiques aux plus avancées, afin d'obtenir la durée de l'audio à l'aide de Python. Des exemples de code réels seront fournis en cours de route avant d'approfondir le sujet. Quoi qu'il en soit, il est crucial de comprendre les concepts fondamentaux et la terminologie relatifs au traitement audio. Cela vous donnera les bases nécessaires pour mettre en œuvre les différentes approches présentées plus loin dans l'article. Commençons par la définition de la durée audio, puis explorons. la syntaxe et les algorithmes pour le calculer.
Le terme « durée audio » fait référence à la durée de lecture d'un fichier audio, généralement mesurée en secondes ou en minutes. Cette valeur est affectée par une série de caractéristiques qui définissent le fichier audio, notamment le nombre d'échantillons, les canaux et la fréquence d'échantillonnage. Une maîtrise approfondie de ces connaissances est importante pour diverses applications, notamment la transcription, l'analyse et l'édition audio.
Syntaxe
Python fournit une grande variété de bibliothèques pour gérer le traitement des fichiers audio. Ces bibliothèques incluent wave, pydub et librosa, chacune avec sa propre syntaxe et ses propres fonctions pour télécharger des fichiers audio et mesurer leur durée. Le processus typique pour déterminer la durée d'un fichier audio comprend les étapes suivantes :
Importation des bibliothèques obligatoires.
Lisez les fichiers audio.
Extraction des caractéristiques du fichier (telles que la fréquence d'échantillonnage, la quantité d'échantillons et la quantité de canaux).
Calcul de la durée en utilisant les caractéristiques extraites.
Algorithme
Pour obtenir la durée d'un fichier audio en Python, vous pouvez implémenter l'algorithme suivant -
Implémentez la bibliothèque appropriée pour télécharger le fichier audio.
Extrayez les caractéristiques pertinentes des fichiers audio, notamment le taux d'échantillonnage, le nombre de canaux et le nombre d'images.
Calculez la durée du fichier audio en divisant le nombre d'images par la fréquence d'échantillonnage.
Affichez la valeur de durée en l'imprimant ou en la renvoyant.
Approches
Nous allons maintenant explorer plusieurs techniques pour déterminer la durée d'un fichier audio en Python. Les méthodes suivantes seront introduites −
En utilisant la bibliothèque de vagues.
En utilisant la bibliothèque pydub.
Utilisez la bibliothèque librosa.
En utilisant la bibliothèque ffmpeg-python.
Méthode 1 : Utiliser la bibliothèque de vagues
La bibliothèque wave est un module intégré de Python qui prend en charge les fichiers WAV. Voici un exemple de code complet montrant comment obtenir la durée d'un fichier audio à l'aide de la bibliothèque wave -
Exemple
import wave def get_duration_wave(file_path): with wave.open(file_path, 'r') as audio_file: frame_rate = audio_file.getframerate() n_frames = audio_file.getnframes() duration = n_frames / float(frame_rate) return duration file_path = 'example.wav' duration = get_duration_wave(file_path) print(f"Duration: {duration:.2f} seconds")
Sortie
Duration: 10.00 seconds
Approche 2 : Utiliser la bibliothèque pydub
La bibliothèque pydub est un outil couramment utilisé et simple à utiliser pour la manipulation de l'audio. Pour utiliser pydub, vous devez d'abord l'installer via pip install pydub. Voici un exemple de code pour obtenir la durée en utilisant pydub. −
Exemple
from pydub import AudioSegment def get_duration_pydub(file_path): audio_file = AudioSegment.from_file(file_path) duration = audio_file.duration_seconds return duration file_path = 'example.wav' duration = get_duration_pydub(file_path) print(f"Duration: {duration:.2f} seconds")
Sortie
Duration: 10.00 seconds
Dans cet extrait de code particulier, nous importons la classe AudioSegment, qui provient de la bibliothèque pydub, dans le but de lire et d'apporter des modifications aux fichiers audio. Pour charger le fichier audio, nous appelons la fonction from_file et l'attribut durée_seconds est utilisé. pour acquérir la durée du fichier audio en secondes.
Méthode 3 d'utilisation de la bibliothèque librosa :
Librosa est une autre bibliothèque appréciée pour le traitement de l'audio à l'aide de Python, mettant principalement l'accent sur l'analyse de la musique et du son. En tapant « pip install librosa » dans votre terminal ou votre invite de commande, vous pourrez facilement et rapidement. installez-le. Voici un exemple de code pour obtenir la durée en utilisant librosa −
Exemple
import librosa def get_duration_librosa(file_path): audio_data, sample_rate = librosa.load(file_path) duration = librosa.get_duration(y=audio_data, sr=sample_rate) return duration file_path = 'example.wav' duration = get_duration_librosa(file_path) print(f"Duration: {duration:.2f} seconds")
Sortie
Duration: 10.00 seconds
Dans cet exemple, utilisez la fonction librosa.load pour lire le fichier audio et obtenir les données audio et la fréquence d'échantillonnage. Ensuite, utilisez la fonction librosa.get_duration pour calculer la durée en fonction des données audio et de la fréquence d'échantillonnage.
Approche 4 : Utilisation de la bibliothèque ffmpeg-python
FFmpeg est un outil couramment utilisé pour traiter l'audio et la vidéo sur diverses plates-formes. La bibliothèque ffmpeg-python agit comme un wrapper Python pour l'interface de ligne de commande FFmpeg et peut être installée à l'aide de pip install ffmpeg-python. Ce qui suit est un exemple de code qui montre comment obtenir la durée d'un fichier audio à l'aide de ffmpeg-python −
Example
import ffmpeg def get_duration_ffmpeg(file_path): probe = ffmpeg.probe(file_path) stream = next((stream for stream in probe['streams'] if stream['codec_type'] == 'audio'), None) duration = float(stream['duration']) return duration file_path = 'example.wav' duration = get_duration_ffmpeg(file_path) print(f"Duration: {duration:.2f} seconds")
Output
Duration: 10.00 seconds
在这个例子中,我们使用ffmpeg.probe函数来获取与音频文件相关的元数据。随后,我们从流列表中过滤出音频流,并从流字典中提取出'duration'字段中的持续时间。
结论
在本文中,我们深入探讨了使用wave、pydub、librosa和ffmpeg-python库在Python中获取音频文件时长的四种不同方法。每种方法都有其自身的优点和限制,库的选择取决于您个人的需求和偏好。这些代码示例旨在为您提供在Python项目中实现音频时长计算的坚实基础。
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Outils d'IA chauds

Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool
Images de déshabillage gratuites

Clothoff.io
Dissolvant de vêtements AI

AI Hentai Generator
Générez AI Hentai gratuitement.

Article chaud

Outils chauds

Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise
Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP

Dreamweaver CS6
Outils de développement Web visuel

SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)

PHP et Python ont leurs propres avantages et inconvénients, et le choix dépend des besoins du projet et des préférences personnelles. 1.Php convient au développement rapide et à la maintenance des applications Web à grande échelle. 2. Python domine le domaine de la science des données et de l'apprentissage automatique.

Docker utilise les fonctionnalités du noyau Linux pour fournir un environnement de fonctionnement d'application efficace et isolé. Son principe de travail est le suivant: 1. Le miroir est utilisé comme modèle en lecture seule, qui contient tout ce dont vous avez besoin pour exécuter l'application; 2. Le Système de fichiers Union (UnionFS) empile plusieurs systèmes de fichiers, ne stockant que les différences, l'économie d'espace et l'accélération; 3. Le démon gère les miroirs et les conteneurs, et le client les utilise pour l'interaction; 4. Les espaces de noms et les CGROUP implémentent l'isolement des conteneurs et les limitations de ressources; 5. Modes de réseau multiples prennent en charge l'interconnexion du conteneur. Ce n'est qu'en comprenant ces concepts principaux que vous pouvez mieux utiliser Docker.

Une formation efficace des modèles Pytorch sur les systèmes CentOS nécessite des étapes, et cet article fournira des guides détaillés. 1. Préparation de l'environnement: Installation de Python et de dépendance: le système CentOS préinstalle généralement Python, mais la version peut être plus ancienne. Il est recommandé d'utiliser YUM ou DNF pour installer Python 3 et Mettez PIP: sudoyuMupDatePython3 (ou sudodnfupdatepython3), pip3install-upradepip. CUDA et CUDNN (accélération GPU): Si vous utilisez Nvidiagpu, vous devez installer Cudatool

Activer l'accélération du GPU Pytorch sur le système CentOS nécessite l'installation de versions CUDA, CUDNN et GPU de Pytorch. Les étapes suivantes vous guideront tout au long du processus: CUDA et CUDNN Installation détermineront la compatibilité de la version CUDA: utilisez la commande NVIDIA-SMI pour afficher la version CUDA prise en charge par votre carte graphique NVIDIA. Par exemple, votre carte graphique MX450 peut prendre en charge CUDA11.1 ou plus. Téléchargez et installez Cudatoolkit: visitez le site officiel de Nvidiacudatoolkit et téléchargez et installez la version correspondante selon la version CUDA la plus élevée prise en charge par votre carte graphique. Installez la bibliothèque CUDNN:

Python et JavaScript ont leurs propres avantages et inconvénients en termes de communauté, de bibliothèques et de ressources. 1) La communauté Python est amicale et adaptée aux débutants, mais les ressources de développement frontal ne sont pas aussi riches que JavaScript. 2) Python est puissant dans les bibliothèques de science des données et d'apprentissage automatique, tandis que JavaScript est meilleur dans les bibliothèques et les cadres de développement frontaux. 3) Les deux ont des ressources d'apprentissage riches, mais Python convient pour commencer par des documents officiels, tandis que JavaScript est meilleur avec MDNWEBDOCS. Le choix doit être basé sur les besoins du projet et les intérêts personnels.

Lors de la sélection d'une version Pytorch sous CentOS, les facteurs clés suivants doivent être pris en compte: 1. CUDA Version Compatibilité GPU Prise en charge: si vous avez NVIDIA GPU et que vous souhaitez utiliser l'accélération GPU, vous devez choisir Pytorch qui prend en charge la version CUDA correspondante. Vous pouvez afficher la version CUDA prise en charge en exécutant la commande nvidia-SMI. Version CPU: Si vous n'avez pas de GPU ou que vous ne souhaitez pas utiliser de GPU, vous pouvez choisir une version CPU de Pytorch. 2. Version Python Pytorch

Traitez efficacement les données Pytorch sur le système CentOS, les étapes suivantes sont requises: Installation de dépendance: Mettez d'abord à jour le système et installez Python3 et PIP: sudoyuMupdate-anduhuminstallpython3-ysudoyuminstallpython3-pip-y, téléchargez et installez Cudatoolkit et Cudnn à partir du site officiel de Nvidia selon votre version de Centos et GPU. Configuration de l'environnement virtuel (recommandé): utilisez conda pour créer et activer un nouvel environnement virtuel, par exemple: condacreate-n

CENTOS L'installation de Nginx nécessite de suivre les étapes suivantes: Installation de dépendances telles que les outils de développement, le devet PCRE et l'OpenSSL. Téléchargez le package de code source Nginx, dézippez-le et compilez-le et installez-le, et spécifiez le chemin d'installation AS / USR / LOCAL / NGINX. Créez des utilisateurs et des groupes d'utilisateurs de Nginx et définissez les autorisations. Modifiez le fichier de configuration nginx.conf et configurez le port d'écoute et le nom de domaine / adresse IP. Démarrez le service Nginx. Les erreurs communes doivent être prêtées à prêter attention, telles que les problèmes de dépendance, les conflits de port et les erreurs de fichiers de configuration. L'optimisation des performances doit être ajustée en fonction de la situation spécifique, comme l'activation du cache et l'ajustement du nombre de processus de travail.
