如何用Python将Kinesis Video Stream GetMedia输出转存为S3的WAV文件

完全可以用Python实现该需求，无需局限于Java。以下是具体的实现步骤和代码示例：

核心依赖库 #

• boto3：AWS官方Python SDK，用于调用KVS和S3 API
• pymkv：解析MKV格式文件（KVS存储的媒体流为MKV封装）
• wave：Python标准库，用于生成WAV音频文件
• （可选）ffmpeg-python：更便捷的音频格式转换（若对MKV解析不熟悉，推荐使用）

实现步骤 #

1. 获取KVS数据端点并调用GetMedia API #

KVS的GetMedia需要使用数据平面端点，需先通过GetDataEndpoint获取：

import boto3
import io
import wave
from pymkv import MKVFile

# 初始化客户端
region = 'us-east-1'  # 替换为你的AWS区域
stream_name = 'your-connect-voicemail-stream'  # 替换为你的KVS流名称

kvs_client = boto3.client('kinesisvideo', region_name=region)
data_endpoint = kvs_client.get_data_endpoint(
    StreamName=stream_name,
    APIName='GET_MEDIA'
)['DataEndpoint']

kvs_media_client = boto3.client('kinesis-video-media', endpoint_url=data_endpoint, region_name=region)

# 获取媒体流（这里选择最早的片段，也可指定FRAGMENT_NUMBER）
media_response = kvs_media_client.get_media(
    StreamName=stream_name,
    StartSelector={'StartSelectorType': 'EARLIEST'}
)
media_stream = media_response['Payload']

2. 解析MKV流并提取原始音频 #

将GetMedia返回的流写入内存或临时文件，再提取音频轨道：

# 将媒体流写入内存缓冲区
mkv_buffer = io.BytesIO()
for chunk in media_stream.iter_chunks(chunk_size=1024*1024):
    mkv_buffer.write(chunk)
mkv_buffer.seek(0)

# 保存为临时MKV文件（pymkv暂不支持直接读取内存对象）
with open('temp_voicemail.mkv', 'wb') as f:
    f.write(mkv_buffer.getvalue())

# 读取MKV并提取音频轨道（AWS Connect留言默认是轨道0，编码为PCMU/G.711 μ-law）
mkv_file = MKVFile('temp_voicemail.mkv')
audio_track = mkv_file.get_track(track_id=0)
raw_audio = audio_track.extract_raw()

3. 将原始音频转换为WAV格式 #

AWS Connect的留言音频参数为：单声道、8kHz采样率、PCMU编码（每个样本1字节），用wave库生成标准WAV文件：

wav_buffer = io.BytesIO()
with wave.open(wav_buffer, 'wb') as wav_file:
    wav_file.setnchannels(1)
    wav_file.setsampwidth(1)
    wav_file.setframerate(8000)
    wav_file.writeframes(raw_audio)

wav_buffer.seek(0)

4. 上传WAV文件到S3 #

s3_client = boto3.client('s3', region_name=region)
s3_bucket = 'your-voicemail-bucket'  # 替换为你的S3桶名称
s3_key = 'voicemails/20240520_customer_message.wav'  # 替换为目标S3键

s3_client.put_object(
    Bucket=s3_bucket,
    Key=s3_key,
    Body=wav_buffer
)

可选方案：用FFmpeg简化转换 #

若觉得MKV解析繁琐，可直接用FFmpeg处理媒体流，无需手动解析轨道：

import ffmpeg

# 将MKV流直接转成WAV
ffmpeg.input('temp_voicemail.mkv').output(
    'converted_voicemail.wav',
    acodec='pcm_u8',
    ar=8000,
    ac=1
).run()

# 上传到S3
with open('converted_voicemail.wav', 'rb') as f:
    s3_client.put_object(Bucket=s3_bucket, Key=s3_key, Body=f)

关键注意事项 #

• IAM权限：确保执行代码的角色拥有kinesisvideo:GetDataEndpoint、kinesisvideo:GetMedia、s3:PutObject权限，以及对应KVS流的读取权限
• 片段选择：若需提取特定时间段的留言，可将StartSelectorType设为SERVER_TIMESTAMP并指定时间范围
• 编码适配：若音频是PCMA（G.711 A-law），需将WAV的编码格式调整为pcm_a（FFmpeg参数acodec='pcm_alaw'）

内容的提问来源于stack exchange，提问作者Sundar kailasam