AudioStretchy

AudioStretchy是一个Python库和CLI工具，它可以快速、高质量地对WAV/MP3文件进行时间伸缩，而不会改变它们的音高。非常适合语音处理，可以单独对静音进行时间伸缩。该库是David Bryant的audio-stretch C库的包装。

版本：1.3.5

功能

• 音频文件快速、高质量的时间伸缩，不改变音高
• 伸缩比例可调，从0.25到4.0
• 跨平台：Windows、macOS和Linux
• 支持WAV文件和类似文件对象。使用[all]安装时，也支持MP3文件和类似文件对象
• 使用[all]安装时，也支持重采样

时域谐波缩放（TDHS）是一种用于语音（或其他音频信号）的时间伸缩方法，允许改变语音发音的速率，而不会影响音高轮廓和音素结构的时域演变。TDHS与其他时间伸缩算法的不同之处在于，时间伸缩操作是在时域（而不是频域）进行的。

本软件包的核心功能由David Bryant编写的优秀的audio-stretch C库提供，该库能够在0.25（4倍慢）到4.0（4倍快）的比率范围内对WAV文件进行快速、高质量的TDHS处理。

该库在语音录音方面表现优异，特别是在0.9（慢10%）到1.1（快10%）的比率范围内适度拉伸时。AudioStretchy是该库的Python包装器。Python软件包还提供了一些额外的可选功能：支持MP3（除了WAV），并允许您进行预采样。

演示

以下是一些链接，链接到一个小音频文件（WAV和MP3格式），该文件在1.2（慢20%）的比率下拉伸。

安装

完整安装

要能够拉伸和重采样WAV和MP3文件，请使用如下方式安装AudioStretchy：

python3 -m pip install audiostretchy[all]

这将为macOS、Windows和Linux安装该软件包和预编译的audio-stretch库。

这还将安装可选的依赖项：

• 支持MP3：macOS上的pydub，Linux和Windows上的pymp3
• 重采样：soxr

在macOS上，您还需要安装HomeBrew，然后在终端运行

brew install ffmpeg

最小安装

要仅能拉伸WAV文件（无重采样，无MP3支持），请以最小依赖项安装AudioStretchy，如下所示

python3 -m pip install audiostretchy

这仅安装了软件包和预编译的audio-stretch库，适用于macOS、Windows和Linux。

完整开发安装

要安装开发版本，请使用

python3 -m pip install git+https://github.com/twardoch/audiostretchy#egg=audiostretchy[all]

用法

命令行界面

audiostretchy INPUT_WAV OUTPUT_WAV <flags>

POSITIONAL ARGUMENTS
    INPUT_PATH
        The path to the input WAV or MP3 audio file.
    OUTPUT_PATH
        The path to save the stretched WAV or MP3 audio file.

FLAGS
    -r, --ratio=RATIO
        The stretch ratio, where values greater than 1.0 will extend the audio and 
        values less than 1.0 will shorten the audio. From 0.5 to 2.0, or with `-d` 
        from 0.25 to 4.0. Default is 1.0 = no stretching.
    -g, --gap_ratio=GAP_RATIO
        The stretch ratio for gaps (silence) in the audio. 
        Default is 0.0 = uses ratio.
    -u, --upper_freq=UPPER_FREQ
        The upper frequency limit for period detection in Hz. Default is 333 Hz.
    -l, --lower_freq=LOWER_FREQ
        The lower frequency limit. Default is 55 Hz.
    -b, --buffer_ms=BUFFER_MS
        The buffer size in milliseconds for processing the audio in chunks 
        (useful with `-g`). Default is 25 ms.
    -t, --threshold_gap_db=THRESHOLD_GAP_DB
        The threshold level in dB to determine if a section of audio is considered 
        a gap (for `-g`). Default is -40 dB.
    -d, --double_range=DOUBLE_RANGE
        If set, doubles the min/max range of stretching.
    -f, --fast_detection=FAST_DETECTION
        If set, enables fast period detection, which may speed up processing but 
        reduce the quality of the stretched audio.
    -n, --normal_detection=NORMAL_DETECTION
        If set, forces the algorithm to use normal period detection instead 
        of fast period detection.
    -s, --sample_rate=SAMPLE_RATE
        The target sample rate for resampling the stretched audio in Hz (if installed 
        with `[all]`). Default is 0 = use sample rate of the input audio.

Python

from audiostretchy.stretch import stretch_audio

stretch_audio("input.wav", "output.wav", ratio=1.1)

在此示例中，input.wav文件将被拉伸1.1倍，这意味着它将变长10%，并将结果保存到output.wav文件中。

对于高级用法，您可以使用AudioStretch类，该类允许您以路径或文件样式的BytesIO对象打开和保存文件。

from audiostretchy.stretch import AudioStretch

audio_stretch = AudioStretch()
# This needs [all] installation for MP3 support
audio_stretch.open(file=MP3DataAsBytesIO, format="mp3") 
audio_stretch.stretch(
    ratio=1.1,
    gap_ratio=1.2,
    upper_freq=333,
    lower_freq=55,
    buffer_ms=25,
    threshold_gap_db=-40,
    dual_force=False,
    fast_detection=False,
    normal_detection=False,
)
# This needs [all] installation for soxr support
audio_stretch.resample(sample_rate=44100) 
audio_stretch.save(file=WAVDataAsBytesIO, format="wav")

变更日志

• v1.3.5: 修复MP3写入问题
• v1.3.2: 修复MP3打开问题
• v1.3.0: 在Windows上也能正常工作
• v1.2.x: 在macOS和Linux上工作

许可证

• 原始C库代码：版权（c）2022 David Bryant
• Python代码：版权（c）2023 Adam Twardoch
• Python代码在GPT-4的帮助下编写
• 许可协议为BSD-3-Clause许可证