使用python moviepy提取视频中的音频,同时对音频数据进行数据可视化分析

简介: 使用python moviepy提取视频中的音频,同时对音频数据进行数据可视化分析

@toc

1 使用moviepy库包提取音频

1.1 moviepy库包说明

1、moviepy库包介绍

MoviePy是一个用于视频编辑的Python模块,它可以用于基本操作(如剪切、连接、标题插入)、视频合成(也称为非线性编辑)、视频处理,或创建高级效果。它可以读写最常见的视频格式,包括GIF。

2、moviepy参考文档

1.2 安装moviepy

直接使用pip安装即可:

pip install moviepy -i https://pypi.tuna.tsinghua.edu.cn/simple

1.2 使用moviepy提取视频中的音频

# 1、使用moviepy模块 提取视频中的音频文件
from moviepy.editor import AudioFileClip

my_audio_clip = AudioFileClip("./test.mp4")
print(type(my_audio_clip))  # <class 'moviepy.audio.io.AudioFileClip.AudioFileClip'>

#  提取视频中的音频文件  m4v,mp3等音频格式也是支持的
my_audio_clip.write_audiofile("./extract_audio.wav")
'''
MoviePy - Writing audio in ./extract_audio.wav
MoviePy - Done.
'''

2 使用librosa库包读取音频文件,并分析音频文件

2.1 librosa库包介绍

1、librosa是一个用于音乐音频分析的python包。它提供了创建音乐信息检索系统所必需的构建模块。

2、librosa参考文档

2.2 使用librosa读取音频文件,并分析音频文件

音频数据内容,可以认为记录了:采样频率 和 每个采样点的信号强度 两个部分构成一个音频文件

数据流可以理解为一个数组,按照字节存储

# 2、使用librosa分析音频
import librosa
import numpy as np

# 加载音频文件
audio, freq = librosa.load("./extract_audio.wav")
print(f"audio: {audio} and audio shape: {audio.shape}\nfreq: {freq}")
print(f"audio type: {type(audio)}\nfreq type: {type(freq)}")

time = len(audio) / freq
print(time)  # 94.3
'''
audio: [ 0.          0.          0.         ... -0.00216522 -0.00011788
 -0.00167476] and audio shape: (2079315,)
freq: 22050
audio type: <class 'numpy.ndarray'>
freq type: <class 'int'>


# 上面的这段音频 采样点共:2079315   采样频率为:22050
这段音频的时长为:2079315 / 22050 = 94.3   因此这段音频的时长约为94秒
也就是每秒采样 22050个数据
'''

上面有几个概念:

  • 音频采样点:就是在一段时间内,一共采集了多少个音频数据
  • 音频采样频率:就是在一秒内采样采样多少个采样点

因此可以根据音频采样点和音频采样频率,计算出音频的时长:

$$音频的时长 = \frac{音频采样点个数}{音频采样频率}$$

3 绘制音频信号的强度图

3.1 使用matplotlib绘制音频信号强度图

# 3、画出音频的信号强度图
import matplotlib.pyplot as plt

time = np.arange(0, len(audio)) / freq
# np.arange(0, len(audio))  = (0,1,2,3,...,2079314)
print(time.shape)  # (2079315,)
print(np.min(time), np.max(time))  # 94.29995464852608  0.0

fig, ax = plt.subplots()
ax.plot(time, audio)
ax.set(xlabel="Time(s)", ylabel="Sound Amplitude")
plt.show()
# 其实绘制的点一共有2079315个,但是由于我们的时间范围是0-94,因此音频信号看起来很拥挤

image.png

3.2 使用librosa画信号强度图

当然我们可以使用librosa 库的工具来分析,可以修掉音频首尾的其他信息,画信号强度图的方式如下:

# 4、使用librosa画信号强度图
# 当然我们可以使用 librosa 库的工具来分析,可以修掉音频首尾的其他信息,画信号强度图的方式如下:
import librosa.display

audio, _ = librosa.effects.trim(audio)
librosa.display.waveplot(audio, sr=freq)
plt.show()

image.png

完整代码如下:

__Author__ = "Shliang"
__Email__ = "shliang0603@gmail.com"


# 1、使用moviepy模块 提取视频中的音频文件
from moviepy.editor import AudioFileClip

my_audio_clip = AudioFileClip("./test.mp4")
print(type(my_audio_clip))  # <class 'moviepy.audio.io.AudioFileClip.AudioFileClip'>

#  提取视频中的音频文件  m4v,mp3等音频格式也是支持的
# my_audio_clip.write_audiofile("./extract_audio.wav")
'''
MoviePy - Writing audio in ./extract_audio.wav
MoviePy - Done.
'''

# 2、使用librosa分析音频
# 音频数据内容,可以认为记录了:采样频率 和 每个采样点的信号强度 两个部分构成一个音频文件
# 数据流可以理解为一个数组,按照字节存储
import librosa
import numpy as np

# 加载音频文件
audio, freq = librosa.load("./extract_audio.wav")
print(f"audio: {audio} and audio shape: {audio.shape}\nfreq: {freq}")
print(f"audio type: {type(audio)}\nfreq type: {type(freq)}")

time = len(audio) / freq
print(time)  # 94.3
'''
audio: [ 0.          0.          0.         ... -0.00216522 -0.00011788
 -0.00167476] and audio shape: (2079315,)
freq: 22050
audio type: <class 'numpy.ndarray'>
freq type: <class 'int'>


# 上面的这段音频 采样点共:2079315   采样频率为:22050
这段音频的时长为:2079315 / 22050 = 94.3   因此这段音频的时长约为94秒
也就是每秒采样 22050个数据

'''


# 3、画出音频的信号强度图
import matplotlib.pyplot as plt

time = np.arange(0, len(audio)) / freq
# np.arange(0, len(audio))  = (0,1,2,3,...,2079314)
print(time.shape)  # (2079315,)
print(np.min(time), np.max(time))  # 94.29995464852608  0.0

fig, ax = plt.subplots()
ax.plot(time, audio)
ax.set(xlabel="Time(s)", ylabel="Sound Amplitude")
plt.show()
# 其实绘制的点一共有2079315个,但是由于我们的时间范围是0-94,因此音频信号看起来很拥挤


# 4、使用librosa画信号强度图
# 当然我们可以使用 librosa 库的工具来分析,可以修掉音频首尾的其他信息,画信号强度图的方式如下:
import librosa.display

audio, _ = librosa.effects.trim(audio)
librosa.display.waveplot(audio, sr=freq)
plt.show()
目录
相关文章
|
8天前
|
缓存 供应链 监控
1688item_search_factory - 按关键字搜索工厂数据接口深度分析及 Python 实现
item_search_factory接口专为B2B电商供应链优化设计,支持通过关键词精准检索工厂信息,涵盖资质、产能、地理位置等核心数据,助力企业高效开发货源、分析产业集群与评估供应商。
|
6天前
|
缓存 监控 算法
item_get - Lazada 商品详情详情接口深度分析及 Python 实现
Lazada商品详情接口item_get可获取商品全维度数据,包括价格、库存、SKU、促销及卖家信息,支持东南亚六国站点,适用于竞品监控、定价策略与市场分析,助力跨境卖家精准决策。
|
10天前
|
JSON 监控 数据格式
1688 item_search_app 关键字搜索商品接口深度分析及 Python 实现
1688开放平台item_search_app接口专为移动端优化,支持关键词搜索、多维度筛选与排序,可获取商品详情及供应商信息,适用于货源采集、价格监控与竞品分析,助力采购决策。
|
11天前
|
缓存 供应链 监控
VVIC seller_search 排行榜搜索接口深度分析及 Python 实现
VVIC搜款网seller_search接口提供服装批发市场的商品及商家排行榜数据,涵盖热销榜、销量排名、类目趋势等,支持多维度筛选与数据分析,助力选品决策、竞品分析与市场预测,为服装供应链提供有力数据支撑。
|
5天前
|
供应链 监控 算法
VVICitem_get - 根据 ID 取商品详情接口深度分析及 Python 实现
VVIC(搜款网)是国内领先的服装批发电商平台,其item_get接口支持通过商品ID获取详尽的商品信息,涵盖价格、规格、库存、图片及店铺数据,助力商家高效开展市场分析、竞品监控与采购决策。
|
9天前
|
JSON API 数据安全/隐私保护
Python采集淘宝评论API接口及JSON数据返回全流程指南
Python采集淘宝评论API接口及JSON数据返回全流程指南
|
5天前
|
缓存 算法 数据安全/隐私保护
VVICitem_search - 根据关键词取关键词取商品列表接口深度分析及 Python 实现
VVIC item_search接口支持关键词搜索服装商品,提供价格、销量、供应商等数据,助力市场调研与采购决策。
|
6天前
|
缓存 自然语言处理 算法
item_search - Lazada 按关键字搜索商品接口深度分析及 Python 实现
Lazada的item_search接口是关键词搜索商品的核心工具,支持多语言、多站点,可获取商品价格、销量、评分等数据,适用于市场调研与竞品分析。
|
8天前
|
自然语言处理 算法 数据安全/隐私保护
item_review - Lazada 商品评论列表接口深度分析及 Python 实现
Lazada商品评论接口(item_review)可获取东南亚多国用户评分、评论内容、购买属性等数据,助力卖家分析消费者偏好、优化产品与营销策略。

推荐镜像

更多