Erklären Sie ausführlich, wie Sie mit Python einen Sound erzeugen

Menschen sind Wesen, die selbst synthetische Sprachlesesoftware herstellen möchten. Das ist unvermeidlich. Pascal sagt auch, die Leute denken an Schilf. siehst du? (Was?)

Nun, vorerst werde ich eine Implementierung ausprobieren, die mit Python Sounds mit Nuancen wie dieser vorläufigen Untersuchung erzeugt.

Kapitel.0 Sprache / Modul

• Sprache: Python
• Modul --numpy (weil es sin und π benutzt) --matplotlib (wenn Sie eine Wellenform zeichnen möchten) --wave (zur Eingabe / Ausgabe der WAV-Datei) --struct (wird zum Binärisieren von Wellenformdaten beim Konvertieren in eine WAV-Datei mit Wave verwendet) --pyaudio (Ich benutze es, um Sounds zu machen, aber Python 3.7 ist umständlich zu installieren, so dass ich es überhaupt nicht verwenden muss.)

python

import numpy as np
import matplotlib.pyplot as pl
import wave
import struct
import pyaudio

Das Jupyter-Notebook könnte den Klang etwas erleichtern (ich kenne die Details nicht), aber nein.

Kapitel 1. Ich muss den Ton mit einem Ausdruck ausdrücken ...

Weißt du was Sound ist? Schall ist wie eine periodische (?) Änderung der Luftdichte. Kurz gesagt, es ist eine Welle. Apropos Wellen, es ist Sünde, cos. Hurra! Abschließend werden wir dieses Mal eine Sinuswelle mit der folgenden Formel verwenden. sin(2πnt/s) note_hz=n sample_hz=s

python

sec = 1 #1 Sekunde
note_hz = 440 #La Schallfrequenz
sample_hz = 44100 #Abtastfrequenz
t = np.arange(0, sample_hz * sec) #Sichern Sie sich eine Zeitspanne von 1 Sekunde
wv = np.sin(2 * np.pi * note_hz * t/sample_hz)

"t" repräsentiert die Zeit von 1 Sekunde und im obigen Fall ist es eine eindimensionale Anordnung von 44100 Elementen. Die Informationen in der Welt, in der wir leben, sind kontinuierlich (analog), aber leider können PCs nur diskrete (digitale) Daten verarbeiten. Daher wird eine Sekunde in 44100 Teile geteilt und ausgedrückt. (Die Abtastfrequenz von 44100 Hz ist übrigens der Standard für die Abtastfrequenz von CD und etwa doppelt so hoch wie der hörbare Bereich des Menschen. Warum wird sie verdoppelt? Lassen Sie uns mit der Nyquist-Frequenz googeln.)

Der Inhalt des Zeichens ist * 2πnt / s *. t / sample_hz * = t / s * erhöht sich auf * 0,1,2, ..., 44100 * Durch Teilen von * t * durch * s = 44100 *, * 0,1 / 44100 , 2/44100, ..., 440099 / 44100,1 *, was "eine Sekunde ausdrückt, die allmählich zunimmt (jeweils 1/44100)".

Wenn Sie note_hz * = n * ignorieren und np.sin (2 * np.pi * t / sample_hz) betrachten = sin (2πt / s) *, ist * t / s * 0 Da es sich um eine Variable handelt, die von → 1 (statt einer Funktion der Zeit?) Ansteigt, ist ersichtlich, dass * 2πt / s * innerhalb von sin von 0 auf 2π ansteigt. Mit anderen Worten, * sin (2πt / s) * ist eine Funktion, die genau in einer Sekunde um den Einheitskreis läuft (eine Welle, die einmal in einer Sekunde vibriert). ![正弦波.jpg](https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/528997/b18d66b2-6895-7af3-ff4c-ee4604cd0a61.jpeg) Einmal in 1 Sekunde zu vibrieren bedeutet, dass die Frequenz dieser Welle 1 [Hz = 1 / s] beträgt. Bei Frequenz 1 ist es jedoch nicht zu hören. Hier kommt note_hz` * = n * ins Spiel.

Sie können die Frequenz der Welle frei ändern, indem Sie n einfach mit * 2πt / s * multiplizieren. Wenn beispielsweise * n = 440 * ist, wird * sin (2πnt / s) * zu einer Welle („la“ in Bezug auf Schall), die 440 Mal pro Sekunde vibriert.

Dies vervollständigt den Ausdruck des Tons im Programm. Ich werde das oben eingefügte Programm erneut kopieren.

python

sec = 1 #1 Sekunde
note_hz = 440 #La Schallfrequenz
sample_hz = 44100 #Abtastfrequenz
t = np.arange(0, sample_hz * sec) #Sichern Sie sich eine Zeitspanne von 1 Sekunde
wv = np.sin(2 * np.pi * note_hz * t/sample_hz)

Kapitel 2. Lassen Sie uns den vom Programm ausgedrückten Ton an .wav ausgeben. Lass uns das tun.

Der Fluss von hier ist wie folgt.

1. Geben Sie den erstellten Sound als WAV-Datei aus.
2. Binär die Sounddaten mit dem Strukturmodul.
3. Geben Sie die binärisierten Daten als WAV-Datei mit dem Wave-Modul aus.
4. Spielen Sie den erstellten Sound im Programm ab. (Irgendein)
5. Öffnen Sie die erstellte WAV-Datei mit dem Wave-Modul
6. Spielen Sie mit dem Pyaudio-Modul.
7. Zeigen Sie die Schallwellenform mit dem Modul matplotlib.pyplot als Diagramm an. (Irgendein)

In Bezug auf 3., wenn Sie sich nicht für die Wellenform interessieren, müssen Sie es überhaupt nicht tun. 2. verwendet ein Modul namens pyaudio, aber die Installation mit der Python 3.7-Serie ist problematisch (wenn Sie installieren möchten, lesen Sie bitte die Referenzseite am Ende dieser Seite), sodass die in 1 erstellte .wav-Datei erstellt wird. Sie können die Datei mit Windows Media Player abspielen.

Jetzt werde ich erklären, wie man als .wav ausgibt.

1. Binarisierung

Es ist binärisiert. Binarisierung bedeutet, Daten in Binärzahlen umzuwandeln. Bei Verwendung des Wave-Moduls scheint es nicht möglich zu sein, in die WAV-Datei zu schreiben, es sei denn, sie ist binärisiert. Vielleicht. Machen wir es also binär!

Fügen wir zuerst die Antwort ein.

python

max_num = 32767.0 / max(wv) #Vorbereitung für die Binärisierung
wv16 = [int(x * max_num) for x in wv] #Vorbereitung für die Binärisierung
bi_wv = struct.pack("h" * len(wv16), *wv16) #Binär

Es ist so. (Es ist eher so, als würde man die Site kopieren, auf die ich mich bezog, aber gibt es eine Möglichkeit, die das Kopieren verbietet ...? Nun, nein. )

Schauen wir uns den Inhalt von [int (x * max_num) für x in wv] mit wv * = W, * x * = "jedes der untergeordneten Elemente von W" = w * an. In jedem untergeordneten Element w von W, x * max_num =x * 32767.0 / max(wv)

• = w ≤ 32767 / max (W) *
• = 32767 ・ (w / max (W)) * Kann ausgedrückt werden als. Kurz gesagt, das Verhältnis jedes Wertes w der Wellenformdaten zum Maximalwert max (W) der Wellenformdaten wird genommen und mit 32767 multipliziert.

Welche Nummer ist 32767! Ich denke du verstehst. Dies liegt daran, dass die möglichen Werte von 16-Bit-Daten (Daten in 16-stelligen Binärzahlen ausgedrückt) * -32768 bis 32767 * sind. (2 bis 16 Potenz ist 65536, und die Hälfte von ihnen ist 32768, also ... ich bin verrückt)

• W / max (W) * kann einen Wert von * -1 bis 1 * annehmen, und durch Multiplikation mit 32767 * 32767 · (w / max (W)) * wird ein Wert von * -32767 bis 32767 * angenommen. Ich versuche, die Schallwellenformdaten gleichmäßig (oder besser gesagt genau?) In 16 Bit anzupassen. Das können Sie mit wv16 machen. Huh ...

Und der Binärcode "bi_wv = struct.pack (" h "* len (wv16), * wv16)". Um ehrlich zu sein, weiß ich nichts darüber. Dies ist eine Kopie. Derzeit konvertiert die Struktur binär struct.pack sie in das Binärformat, und das erste Argument" h " scheint ein 2-Byte-Ganzzahlformat (16 Bit) zu sein. Hallo.

Ja, die Binärisierung ist abgeschlossen!

2. WAV-Datei mit Wave-Modul ausgeben

Ich werde die Antwort zuerst noch einmal einfügen.

python

file = wave.open('sin_wave.wav', mode='wb') #sin_wave.Öffnen Sie wav im Schreibmodus. (Wenn die Datei nicht vorhanden ist, erstellen Sie eine neue.)
param = (1,2,sample_hz,len(bi_wv),'NONE','not compressed') #Parameter
file.setparams(param) #Parametereinstellung
file.writeframes(bi_wv) #Daten schreiben
file.close #Datei schließen

Es ist so. Öffnen Sie die Datei mit wave.open (). Geben Sie den Namen der Datei mit dem ersten Argument an und legen Sie den Schreibmodus ("wb") oder den Lesemodus ("rb") mit dem zweiten Argument "mode =" fest.

Stellen Sie die Parameter der WAV-Datei mit wave.setparams () ein. Die Parameter (param) sind in der Reihenfolge von links angeordnet

• Anzahl der Kanäle (Stereo → 2, Mono → 1)
• Stichprobengröße [Byte](diesmal 2 Byte)
• Abtastfrequenz
• Anzahl der Frames (in diesem Fall entspricht der Anzahl der t-Arrays)
• Komprimiertes Format (nur "NONE" wird unterstützt. Ist das sinnvoll ...?)
• Eine für Menschen lesbare Version des komprimierten Formats ("nicht komprimiert" wird für das komprimierte Format "KEINE" zurückgegeben.)

ist. Schreiben Sie dann die binärisierten Daten (bi_wv) und schließen Sie die Datei. Es ist leicht zu vergessen, die Datei zu schließen ...

Okay, es ist geschafft! !! (Versuchen Sie, die Datei auf Ihrem Terminal oder an der Eingabeaufforderung auszuführen, um festzustellen, ob eine WAV-Datei generiert wurde!)

Kapitel 3. Ich möchte einen Ton auf dem Programm machen, weil es nervt!

Öffnen Sie also zuerst die zuvor mit dem Wave-Modul erstellte Datei.

python

file = wave.open('sin_wave.wav', mode='rb')

Jetzt können Sie es öffnen. Sie befinden sich ordnungsgemäß im Lesemodus. Der file Teil von file = wave.open ('sin_wave.wav', mode = 'rb') stellt eine Variable dar, sodass Sie einen anderen Namen verwenden können. fairu oder wave_no_kiwami_otome oder was auch immer. Nun, ich habe es gerade gesagt. Musste ich als Anfänger "Datei" nennen? Weil ich falsch verstanden habe.

Spielen Sie dann den Sound mit dem Pyaudio-Modul.

python

p = pyaudio.PyAudio() #Instanziierung von Pyaudio
stream = p.open(
    format = p.get_format_from_width(file.getsampwidth()),
    channels = wr.getnchannels(),
    rate = wr.getframerate(),
    output = True
    ) #Erstellen Sie einen Stream zum Aufnehmen und Abspielen von Sounds.
file.rewind() #Bewegen Sie den Zeiger zurück zum Anfang.
chunk = 1024 #Ich bin nicht sicher, aber die offizielle Dokumentation hat dies getan.
data = file.readframes(chunk) #Lesen Sie Blöcke (1024) von Frames (Schallwellenformdaten).
while data:
    stream.write(data) #Machen Sie einen Ton, indem Sie Daten in den Stream schreiben.
    data = file.readframes(chunk) #Laden Sie einen neuen Blockrahmen.
stream.close() #Schließen Sie den Stream.
p.terminate() #Schließen Sie PyAudio.

Wie oben ist das Verfahren 1. Pyaudio öffnen, 2. Stream öffnen, 3. Daten zum Streamen schreiben und Sound abspielen, 4. Stream schließen, 5. Pyaudio schließen Es ist wie es ist.

Kapitel 4. Wellenanzeige

Nun, wie lange ein Artikel dauern würde. Ich bin müde, Patrasche. Deshalb habe ich den Code als Burn eingefügt.

python

pl.plot(t,wv)
pl.show()

Wie einfach! matplotlib.pyplot hat viele Artikel, daher werde ich nichts Besonderes sagen.

Am Ende

Danke, dass Sie so weit gelesen haben! Ich habe mein Bestes für den zweiten Qiita-Artikel in meinem Leben gegeben ...

Kann ich trotzdem wirklich selbst eine Software für die künstliche Sprachsynthese erstellen?

Referenzstelle / Literatur

• [\ Notes ] Python-Wellenmodul --Qiita --Es war sehr hilfreich.
• [Soundprogrammierung mit Python](http://samuiui.com/2019/03/11/python%E3%81%A7%E9%9F%B3%E3%83%97%E3%83%AD%E3% 82% B0% E3% 83% A9% E3% 83% 9F% E3% 83% B3% E3% 82% B0 /)
• Eine Seite, die Jupyter Notebook zu verwenden scheint. Ich habe nicht viel gesehen.
• wave — Read and write WAV files ――Die Übersetzung ist subtil, aber Sie können sie auf Japanisch lesen.
• PyAudio Documentation
• Es gibt nur Englisch. Lassen Sie uns unser Bestes geben, Englisch.
• Lösung, wenn PyAudio nicht in Python 3.7 installiert werden kann
• Vielen Dank für Ihre Hilfe, als ich aufgeben wollte, weil ich PyAudio nicht installieren konnte. Ein Lebensretter.

Endgültiger Code

python

import numpy as np
import matplotlib.pyplot as pl
import wave
import struct
import pyaudio

#Chapter1
sec = 1 #1 Sekunde
note_hz = 440 #La Schallfrequenz
sample_hz = 44100 #Abtastfrequenz
t = np.arange(0, sample_hz * sec) #Sichern Sie sich eine Zeitspanne von 1 Sekunde
wv = np.sin(2 * np.pi * note_hz * t/sample_hz)


#Chapter2
max_num = 32767.0 / max(wv) #Vorbereitung für die Binärisierung
wv16 = [int(x * max_num) for x in wv] #Vorbereitung für die Binärisierung
bi_wv = struct.pack("h" * len(wv16), *wv16) #Binär

file = wave.open('sin_wave.wav', mode='wb') #sin_wave.Öffnen Sie wav im Schreibmodus. (Wenn die Datei nicht vorhanden ist, erstellen Sie eine neue.)
param = (1,2,sample_hz,len(bi_wv),'NONE','not compressed') #Parameter
file.setparams(param) #Parametereinstellung
file.writeframes(bi_wv) #Daten schreiben
file.close #Datei schließen

#Chapter3
file = wave.open('sin_wave.wav', mode='rb')

p = pyaudio.PyAudio()
stream = p.open(
    format = p.get_format_from_width(file.getsampwidth()),
    channels = file.getnchannels(),
    rate = file.getframerate(),
    output = True
    )
chunk = 1024
file.rewind()
data = file.readframes(chunk)
while data:
    stream.write(data)
    data = file.readframes(chunk)
stream.close()
p.terminate()

#Chapter4
pl.plot(t,wv)
pl.show()