4cfad5ae0f
- 全新ui - 全面优化websocket逻辑，提高数字人和ui连接的稳定性及资源开销 - 全面优化唤醒逻辑，提供稳定的普通唤醒模式和前置词唤醒模式 - 优化拾音质量，支持多声道麦克风拾音 - 优化自动播放服务器的对接机制，提供稳定和兼容旧版ue工程的对接模式 - 数字人接口输出机器人表情，以适应新fay ui及单片机的数字人表情输出 - 使用更高级的音频时长计算方式，可以更精准控制音频播放完成后的逻辑 - 修复点击关闭按钮会导致程序退出的bug - 修复没有麦克风的设备开启麦克风会出错的问题 - 为服务器主机地址提供配置项，以方便服务器部署
85 lines
2.6 KiB
Python
85 lines
2.6 KiB
Python
import wave
|
|
import numpy as np
|
|
import pyaudio
|
|
|
|
def save_audio_to_wav(data, sample_rate, filename):
|
|
# 确保数据类型为 int16
|
|
if data.dtype != np.int16:
|
|
data = data.astype(np.int16)
|
|
|
|
# 打开 WAV 文件
|
|
with wave.open(filename, 'wb') as wf:
|
|
# 设置音频参数
|
|
n_channels = 1 # 单声道
|
|
sampwidth = 2 # 16 位音频，每个采样点 2 字节
|
|
wf.setnchannels(n_channels)
|
|
wf.setsampwidth(sampwidth)
|
|
wf.setframerate(sample_rate)
|
|
wf.writeframes(data.tobytes())
|
|
|
|
def process_audio_data(audio_data_list, channels):
|
|
# 将累积的音频数据块连接起来
|
|
data = b''.join(audio_data_list)
|
|
# 将字节数据转换为 numpy 数组
|
|
data = np.frombuffer(data, dtype=np.int16)
|
|
# 重塑数组，将数据分离成多个声道
|
|
data = np.reshape(data, (-1, channels))
|
|
# 对所有声道的数据进行平均，生成单声道
|
|
mono_data = np.mean(data, axis=1).astype(np.int16)
|
|
return mono_data
|
|
|
|
# 示例使用
|
|
def main():
|
|
# 音频参数
|
|
sample_rate = 44100 # 采样率
|
|
channels = 1 # 声道数（根据您的实际情况）
|
|
chunk_size = 1024 # 每次读取的帧数
|
|
record_seconds = 5 # 录音时长
|
|
output_filename = 'output.wav' # 输出文件名
|
|
|
|
# 初始化 PyAudio
|
|
p = pyaudio.PyAudio()
|
|
device_info = p.get_device_info_by_index(0)
|
|
# channels = device_info.get('maxInputChannels', 1)
|
|
print(channels)
|
|
sample_rate = int(device_info.get('defaultSampleRate', 44100))
|
|
stream = p.open(format=pyaudio.paInt16,
|
|
channels=channels,
|
|
rate=sample_rate,
|
|
input=True,
|
|
frames_per_buffer=chunk_size)
|
|
|
|
print("开始录音...")
|
|
|
|
audio_data_list = []
|
|
|
|
# 录音循环
|
|
for _ in range(int(sample_rate / chunk_size * record_seconds)):
|
|
data = stream.read(chunk_size)
|
|
data = np.frombuffer(data, dtype=np.int16)
|
|
# 重塑数组，将数据分离成多个声道
|
|
data = np.reshape(data, (-1, channels))
|
|
# 对所有声道的数据进行平均，生成单声道
|
|
mono = np.mean(data, axis=1).astype(np.int16)
|
|
# 转换回字节格式
|
|
data = mono.tobytes()
|
|
audio_data_list.append(data)
|
|
|
|
print("录音结束。")
|
|
|
|
# 停止并关闭流
|
|
stream.stop_stream()
|
|
stream.close()
|
|
p.terminate()
|
|
|
|
# 处理音频数据
|
|
mono_data = process_audio_data(audio_data_list, channels)
|
|
|
|
# 保存为 WAV 文件
|
|
save_audio_to_wav(mono_data, sample_rate, output_filename)
|
|
|
|
print(f"音频已保存为 {output_filename}")
|
|
|
|
if __name__ == '__main__':
|
|
main()
|