python wav模块获取采样率 采样点声道量化位数(实例代码)
安装：
pip install wave
在wav 模块中 ，主要介绍一种方法：getparams()，该方法返回的结果如下:
_wave_params(nchannels=1, sampwidth=2, framerate=48000, nframes=171698592, comptype='NONE', compname='not compressed')
参数解释：
- nchannels:声道数
- sampwidth:量化位数（byte）
- framerate:采样频率
- nframes:采样点数
代码如下：
import wave
wavFile = r"C:\Users\Lenovo\Desktop\G0001.wav"
f = wave.open(wavFile)
# 音频头 参数
params = f.getparams()
Channels = f.getnchannels()
SampleRate = f.getframerate()
bit_type = f.getsampwidth() * 8
frames = f.getnframes()
Duration = frames / float(SampleRate) # 单位为s
print("音频头参数：", params)
print("通道数(Channels)：", Channels)
print("采样率(SampleRate)：", SampleRate)
print("比特(Precision)：", bit_type)
print("采样点数(frames)：", frames)
print("帧数(Duration)：", Duration)
输出结果：
音频头参数： _wave_params(nchannels=1, sampwidth=2, framerate=48000, nframes=171698592, comptype='NONE', compname='not compressed')
通道数(Channels)： 1
采样率(SampleRate)： 48000
比特(Precision)： 16
采样点数(frames)： 171698592
帧数(Duration)： 3577.054
验证：
这是在win 下 使用sox 命令 检查下的结果：
win 下的sox命令(需要安装sox ,可百度一下) : sox --i G0001.wav
可以看出 ，两种方法，输出的结果是一致的。
总结
以上所述是小编给大家介绍的python wav模块获取采样率 采样点声道量化位数，希望对大家有所帮助！
-
目前 SOFATracer 提供了两种采样模式，一种是基于 BitSet 实现的基于固定采样率的采样模式；另外一种是提供给用户自定义实现采样的采样模式。下面通过案例来演示如何使用。 本示例基于 tracer-sample-with-springmvc 工程；除 application.properties 之外，其他均相同。 基于固定采样率的采样模式 在 application.propertie
-
在分布式跟踪中，数据量可能非常高，因此采样可能很重要（您通常不需要导出所有spans以获得正在发生的情况）。Spring Cloud Sleuth具有Sampler策略，您可以实现该策略来控制采样算法。采样器不会停止生成跨度（相关）ids，但是它们确实阻止了附加和导出的标签和事件。默认情况下，您将获得一个策略，如果跨度已经处于活动状态，则会继续跟踪，但新策略始终被标记为不可导出。如果您的所有应用程
-
我有下面的JSR223采样器，它读取图像，稍微修改它，并发送一个POST multipart/form-data请求。与HTTP采样器相比，我发现它广泛使用了CPU，但我不能使用HTTP采样器，因为它不支持在不保存到文件系统的情况下更改映像。 如果任何人有任何输入来优化JSR223采样器中的脚本，这样它就不会占用大量的CPU，我将很感激。
-
如果非周期马尔科夫链的状态转移矩阵P和概率分布$$pi(x)$$对于所有的i,j满足：$$pi(i)P(i,j) = pi(j)P(j,i)$$ 则称概率分布$$pi(x)$$是状态转移矩阵P的平稳分布。 在M-H采样中我们通过引入接受率使细致平稳条件满足。现在我们换一个思路。 从二维的数据分布开始，假设$$pi(x_1,x_2)$$是一个二维联合数据分布，观察第一个特征维度相同的两个点$$A(x
-
本文向大家介绍储层采样，包括了储层采样的使用技巧和注意事项，需要的朋友参考一下 水库采样是一种随机算法。在该算法中，从具有n个不同项的列表中选择k个项。 我们可以通过创建一个数组作为大小为k的容器来解决它。然后从主列表中随机选择一个元素，然后将该项目放置在容器列表中。一次选择一项时，下次将不再选择。但是他的方法无效，我们可以通过这种方法增加复杂性。 在存储库列表中，复制列表中的前k个项目，现在从列
-
主要内容：降采样,升采样,频率转换,插值处理数据重采样是将时间序列从一个频率转换至另一个频率的过程，它主要有两种实现方式，分别是降采样和升采样，降采样指将高频率的数据转换为低频率，升采样则与其恰好相反，说明如下： 方法 说明 降采样 将高频率(间隔短)数据转换为低频率(间隔长)。 升采样 将低频率数据转换为高频率。 Pandas 提供了 resample() 函数来实现数据的重采样。 降采样 通过 resample() 函数完成数据的降采样