確定wav文件的位深度

Question

我正在尋找一種快速的，最好是標準庫機制來確定wav文件的位深度，例如， '16位'或'24位'。

我正在使用一個子進程調用Sox來獲取大量音頻元數據，但子進程調用非常緩慢，目前我只能從Sox獲得可靠的唯一信息是位深度。

內置wave模塊沒有像getbitdepth（）這樣的函數，並且與24位wav文件不兼容 - 我可以使用'try except'來使用wave模塊訪問文件元數據（如果它工作，手動記錄它是16位），然後打開，除了調用sox（sox將執行分析以準確記錄其位深度）。我擔心的是，這種方法就像猜測一樣。如果讀取8位文件會怎麼樣？如果不是，我會手動分配16位。

SciPy.io.wavefile也與24位音頻不兼容，因此會產生類似的問題。

這個tutorial真的很有趣，甚至包括一些非常低的級別（對於Python來說至少是低級別的）從wav文件頭中提取信息的腳本示例 - 不幸的是這些腳本不適用於16位音頻。

有什麼辦法可以簡單地（並且不用調用sox）來確定我正在檢查的wav文件的位深度是多少？

我使用的波頭分析器腳本如下：

import struct 
import os 

def print_wave_header(f): 
    ''' 
    Function takes an audio file path as a parameter and 
    returns a dictionary of metadata parsed from the header 
    ''' 
    r = {} #the results of the header parse 
    r['path'] = f 
    fin = open(f,"rb") # Read wav file, "r flag" - read, "b flag" - binary 
    ChunkID=fin.read(4) # First four bytes are ChunkID which must be "RIFF" in ASCII 
    r["ChunkID"]=ChunkID 
    ChunkSizeString=fin.read(4) # Total Size of File in Bytes - 8 Bytes 
    ChunkSize=struct.unpack('I',ChunkSizeString) # 'I' Format is to to treat the 4 bytes as unsigned 32-bit inter 
    TotalSize=ChunkSize[0]+8 # The subscript is used because struct unpack returns everything as tuple 
    r["TotalSize"]=TotalSize 
    DataSize=TotalSize-44 # This is the number of bytes of data 
    r["DataSize"]=DataSize 
    Format=fin.read(4) # "WAVE" in ASCII 
    r["Format"]=Format 
    SubChunk1ID=fin.read(4) # "fmt " in ASCII 
    r["SubChunk1ID"]=SubChunk1ID 
    SubChunk1SizeString=fin.read(4) # Should be 16 (PCM, Pulse Code Modulation) 
    SubChunk1Size=struct.unpack("I",SubChunk1SizeString) # 'I' format to treat as unsigned 32-bit integer 
    r["SubChunk1Size"]=SubChunk1Size 
    AudioFormatString=fin.read(2) # Should be 1 (PCM) 
    AudioFormat=struct.unpack("H",AudioFormatString) ## 'H' format to treat as unsigned 16-bit integer 
    r["AudioFormat"]=AudioFormat[0] 
    NumChannelsString=fin.read(2) # Should be 1 for mono, 2 for stereo 
    NumChannels=struct.unpack("H",NumChannelsString) # 'H' unsigned 16-bit integer 
    r["NumChannels"]=NumChannels[0] 
    SampleRateString=fin.read(4) # Should be 44100 (CD sampling rate) 
    SampleRate=struct.unpack("I",SampleRateString) 
    r["SampleRate"]=SampleRate[0] 
    ByteRateString=fin.read(4) # 44100*NumChan*2 (88200 - Mono, 176400 - Stereo) 
    ByteRate=struct.unpack("I",ByteRateString) # 'I' unsigned 32 bit integer 
    r["ByteRate"]=ByteRate[0] 
    BlockAlignString=fin.read(2) # NumChan*2 (2 - Mono, 4 - Stereo) 
    BlockAlign=struct.unpack("H",BlockAlignString) # 'H' unsigned 16-bit integer 
    r["BlockAlign"]=BlockAlign[0] 
    BitsPerSampleString=fin.read(2) # 16 (CD has 16-bits per sample for each channel) 
    BitsPerSample=struct.unpack("H",BitsPerSampleString) # 'H' unsigned 16-bit integer 
    r["BitsPerSample"]=BitsPerSample[0] 
    SubChunk2ID=fin.read(4) # "data" in ASCII 
    r["SubChunk2ID"]=SubChunk2ID 
    SubChunk2SizeString=fin.read(4) # Number of Data Bytes, Same as DataSize 
    SubChunk2Size=struct.unpack("I",SubChunk2SizeString) 
    r["SubChunk2Size"]=SubChunk2Size[0] 
    S1String=fin.read(2) # Read first data, number between -32768 and 32767 
    S1=struct.unpack("h",S1String) 
    r["S1"]=S1[0] 
    S2String=fin.read(2) # Read second data, number between -32768 and 32767 
    S2=struct.unpack("h",S2String) 
    r["S2"]=S2[0] 
    S3String=fin.read(2) # Read second data, number between -32768 and 32767 
    S3=struct.unpack("h",S3String) 
    r["S3"]=S3[0] 
    S4String=fin.read(2) # Read second data, number between -32768 and 32767 
    S4=struct.unpack("h",S4String) 
    r["S4"]=S4[0] 
    S5String=fin.read(2) # Read second data, number between -32768 and 32767 
    S5=struct.unpack("h",S5String) 
    r["S5"]=S5[0] 
    fin.close() 
    return r 

Answer 1

我強烈建議soundfile模塊（但你要知道，我是非常偏頗的，因爲我寫的很大一部分）。

在那裏您可以打開文件作爲soundfile.SoundFile對象，該對象具有一個subtype屬性，該屬性包含您正在查找的信息。

在你的情況下，這可能是'PCM_16'或'PCM_24'。