python silk codec binding 支持微信语音编解码
pilk
python silk codec binding 支持微信语音编解码
pilk: python + silk
安装
pip install pilk
介绍与说明
SILK 是一种语音编码格式，由 Skype
公司研发，网上可找到的最新版本是 2012 发布的。
SILK 原始代码已上传到 v0.0.1 release , 包含规范文档
Tencent 系语音支持来自 silk-v3-decoder
v0.0.1 release
中也包含 silk-v3-decoder 重编译的 x64-win 版本
SILK 编码格式 和 Tencent 系语音的关系：
此处 Tencent 系语音，仅以微信语音为例
- 标准 SILK 文件以
b'#!SILK_V3'开始，以b'\xFF\xFF'结束，中间为语音数据 - 微信语音文件在标准 SILK 文件的开头插入了
b'\x02'，去除了结尾的b'\xFF\xFF'，中间不变
已下统称为语音文件
语音数据
语音数据分为很多个独立 frame，每个 frame 开头两字节存储剩余 frame 数据的大小，每个 frame 默认存储 20ms 的音频数据
据此可写出获取 语音文件 持续时间(duration) 的函数（此函数 pilk 中已包含）
def get_duration(silk_path: str, frame_ms: int = 20) -> int:
"""获取 silk 文件持续时间，单位：ms"""
with open(silk_path, 'rb') as silk:
tencent = False
if silk.read(1) == b'\x02':
tencent = True
silk.seek(0)
if tencent:
silk.seek(10)
else:
silk.seek(9)
i = 0
while True:
size = silk.read(2)
if len(size) != 2:
break
size = size[0] + size[1] << 8
if not tencent and size == 0xffff:
break
i += 1
silk.seek(silk.tell() + size)
return i * frame_ms
根据 SILK 格式规范， frame_ms 可为 20, 40, 60, 80, 100
快速入门
详情请在 IDE 中查看 API 文档注释
在使用 pilk 之前，你还需清楚 音频文件 mp3, aac, m4a, flac, wav, ... 与 语音文件 之间的转换是借助 PCM raw
data 完成的
具体转换关系：音频文件 ⇔ PCM ⇔ 语音文件
- 音(视)频文件 ➜ PCM
借助 ffmpeg，你当然需要先有 ffmpeg
ffmpeg -y -i -vn -ar -ac 1 -f s16le
-y: 可加可不加，表示-i: 没啥好说的，固定的，后接-vn: 表示不处理视频数据，建议添加，虽然不加也不会处理视频数据（视频数据不存在转PCM的说法），但可能会打印警告-ar: 设置采样率，可选的值是 [8000, 12000, 16000, 24000, 32000, 44100, 48000], 这里你可以直接理解为声音质量-ac: 设置声道数，在这里必须为 1，这是由 SILK 决定的-f: 表示强制转换为指定的格式，一般来说必须为 s16le, 表示16-bit short integer Little-Endian data- example1:
ffmpeg -y -i mv.mp4 -vn -ar 44100 -ac 1 -f s16le mv.pcm - example2:
ffmpeg -y -i music.mp3 -ar 44100 -ac 1 -f s16le music.pcm - PCM ➜ 音频文件
ffmpeg -y -f s16le -i -ar -ac
-f: 这里必须为s16le, 同样也是由 SILK 决定的-ar: 同上-ac: 含义同上，值随意<音频输出文件><!--音频输出文件-->: 扩展名要准确，没有指定格式时， ffmpeg 会根据给定的输出文件扩展名来判断需要输出的格式- example3:
ffmpeg -y -f s16le -i test.pcm test.mp3
ffmpeg 也可以使用 python ffmpeg binding 替换，推荐 PyAV 大家自行研究，这里不再啰嗦。
讲完了 音频文件 ⇔ PCM，接下来就是用 pilk 进行 PCM ⇔ 语音文件 互转
silk 编码
import pilk
duration = pilk.encode("test.pcm", "test.silk", pcm_rate=44100, tencent=True)
print("语音时间为:", duration)
silk 解码
import pilk
duration = pilk.decode("test.silk", "test.pcm")
print("语音时间为:", duration)
使用 Python 转任意媒体文件到 SILK
import os,pilk
from pydub import AudioSegment
def convert_to_silk(media_path: str) -> str:
"""将输入的媒体文件转出为 silk, 并返回silk路径"""
media = AudioSegment.from_file(media_path)
pcm_path = os.path.basename(media_path)
pcm_path = os.path.splitext(pcm_path)[0]
silk_path = pcm_path + '.silk'
pcm_path += '.pcm'
media.export(pcm_path, 's16le', parameters=['-ar', str(media.frame_rate), '-ac', '1']).close()
pilk.encode(pcm_path, silk_path, pcm_rate=media.frame_rate, tencent=True)
return silk_path
Original: https://blog.csdn.net/lemisky/article/details/122310841
Author: 乐米sky
Title: Python silk 库 支持微信语音
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/515574/
转载文章受原作者版权保护。转载请注明原作者出处！