Python-SoundDevice 开源项目教程
2026-01-18 09:38:34作者:吴年前Myrtle
项目介绍
Python-SoundDevice 是一个基于 Python 的开源库,用于录制和播放音频。它提供了一个简单而强大的接口,使得在 Python 程序中处理音频变得非常容易。Python-SoundDevice 依赖于 PortAudio 库,这是一个跨平台的音频 I/O 库,因此 Python-SoundDevice 也具有很好的跨平台兼容性。
项目快速启动
安装
首先,你需要安装 Python-SoundDevice 库。你可以使用 pip 来安装:
pip install sounddevice
录制音频
以下是一个简单的示例,展示如何使用 Python-SoundDevice 录制音频:
import sounddevice as sd
import numpy as np
# 录制音频
duration = 5 # 录制时长(秒)
print("开始录制...")
audio_data = sd.rec(int(duration * 44100), samplerate=44100, channels=2, dtype='float32')
sd.wait() # 等待录制完成
print("录制完成!")
# 播放录制的音频
print("播放录制的音频...")
sd.play(audio_data, 44100)
sd.wait() # 等待播放完成
print("播放完成!")
播放音频
以下是一个简单的示例,展示如何使用 Python-SoundDevice 播放音频:
import sounddevice as sd
# 播放音频
print("播放音频...")
sd.play(audio_data, 44100)
sd.wait() # 等待播放完成
print("播放完成!")
应用案例和最佳实践
实时音频处理
Python-SoundDevice 可以用于实时音频处理,例如实时音频滤波、音频增强等。以下是一个简单的示例,展示如何实时处理音频:
import sounddevice as sd
import numpy as np
def callback(indata, outdata, frames, time, status):
if status:
print(status)
# 在这里进行音频处理
outdata[:] = indata
with sd.Stream(samplerate=44100, channels=2, callback=callback):
print("开始实时处理音频...")
input("按 Enter 键停止...")
音频文件处理
Python-SoundDevice 可以与 SciPy 库结合使用,用于处理音频文件。以下是一个简单的示例,展示如何读取和播放音频文件:
import sounddevice as sd
from scipy.io import wavfile
# 读取音频文件
samplerate, data = wavfile.read('example.wav')
# 播放音频文件
print("播放音频文件...")
sd.play(data, samplerate)
sd.wait() # 等待播放完成
print("播放完成!")
典型生态项目
Librosa
Librosa 是一个用于音乐和音频分析的 Python 库。它可以与 Python-SoundDevice 结合使用,进行更复杂的音频分析和处理。
PyDub
PyDub 是一个简单而强大的音频处理库,可以用于音频剪辑、合并、转换等操作。它可以与 Python-SoundDevice 结合使用,进行更高级的音频处理任务。
SciPy
SciPy 是一个用于科学计算的 Python 库,其中包含了许多用于信号处理的工具。它可以与 Python-SoundDevice 结合使用,进行更高级的音频信号处理。
通过结合这些生态项目,你可以构建更复杂和强大的音频处理应用。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust073- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
Hy3-previewHy3 preview 是由腾讯混元团队研发的2950亿参数混合专家(Mixture-of-Experts, MoE)模型,包含210亿激活参数和38亿MTP层参数。Hy3 preview是在我们重构的基础设施上训练的首款模型,也是目前发布的性能最强的模型。该模型在复杂推理、指令遵循、上下文学习、代码生成及智能体任务等方面均实现了显著提升。Python00
最新内容推荐
从配置混乱到智能管理:DsHidMini设备个性化配置系统的进化之路如何用G-Helper优化华硕笔记本性能?8MB轻量化工具的实战指南打破音乐枷锁:用Unlock Music解放你的加密音频文件网盘加速工具配置指南:从网络诊断到高效下载的完整方案UI-TARS-desktop环境搭建全攻略:从零基础到成功运行的5个关键步骤突破Windows界面限制:ExplorerPatcher让系统交互回归高效本质突破Arduino ESP32安装困境:从根本解决下载失败的实战指南Notion数据管理高效工作流:从整理到关联的完整指南设计资源解锁:探索Fluent Emoji的创意应用与设计升级路径StarRocks Stream Load数据导入实战指南:从问题解决到性能优化
项目优选
收起
暂无描述
Dockerfile
689
4.46 K
Ascend Extension for PyTorch
Python
543
668
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
403
73
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
955
928
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
648
230
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
407
323
Oohos_react_native
React Native鸿蒙化仓库
C++
336
386
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.59 K
924
昇腾LLM分布式训练框架
Python
146
172
暂无简介
Dart
935
234