如何将音频文件声音混入麦克风流？相关技术问题求助

技术可行性与无虚拟设备的可能性 #

• 把音频文件混入麦克风流技术上可行，但不借助虚拟音频设备几乎无法实现。
  系统的硬件麦克风输入是只读的硬件流，操作系统不允许直接将外部音频信号注入到硬件麦克风的输入通道中。必须通过虚拟音频设备创建一个“虚拟麦克风”，再将音频文件的信号输出到这个虚拟设备，让系统应用将其识别为麦克风输入源。

你的代码问题分析 #

当前代码无法实现需求，原因如下：

1. 方向错误：sd.play()是将音频输出到扬声器等输出设备，而非注入到麦克风输入流。硬件麦克风是输入设备，无法通过sd.play()向其写入数据。
2. 声道与数据格式不匹配：
   • audio.get_array_of_samples()返回的是交错格式的整数数组（比如立体声是左右声道样本交替排列的一维数组），但sounddevice需要根据声道数调整数组形状，且需要转换为float32类型（范围[-1, 1]）。
3. 设备ID错误：指定的device_id=1大概率是输出设备（如扬声器），而非输入设备。

修正方案（需虚拟音频设备） #

步骤1：安装虚拟音频设备 #

• Windows：安装VB-Cable
• macOS：安装Soundflower或BlackHole
• Linux：使用PulseAudio的module-null-sink和module-remap-source创建虚拟输入

步骤2：修正后的代码 #

以下代码将音频文件写入虚拟输入设备（需先找到虚拟设备的输入ID）：

import sounddevice as sd
from pydub import AudioSegment
import numpy as np

def inject_to_mic(file_path, input_device_id):
    # 加载音频文件
    audio = AudioSegment.from_file(file_path)
    
    # 转换为numpy数组并处理格式
    samples = np.array(audio.get_array_of_samples())
    # 转换为float32，归一化到[-1, 1]
    samples = samples.astype(np.float32) / np.iinfo(samples.dtype).max
    
    # 处理声道：如果是立体声，调整为(n_samples, 2)的二维数组
    if audio.channels == 2:
        samples = samples.reshape(-1, 2)
    
    # 向虚拟输入设备写入数据（仅虚拟输入设备支持写入）
    with sd.OutputStream(device=input_device_id, samplerate=audio.frame_rate, channels=audio.channels):
        sd.write(samples, samplerate=audio.frame_rate)

# 先通过以下命令查看所有设备，找到虚拟输入设备的ID
# print(sd.query_devices())
file_path = '1.wav'
virtual_input_device_id = 3  # 替换为你的虚拟输入设备ID
inject_to_mic(file_path, virtual_input_device_id)

额外说明 #

• 运行代码前，需通过sd.query_devices()查看所有音频设备，找到虚拟输入设备的ID。
• 完成后，在系统设置或应用中选择虚拟设备作为麦克风输入源，即可让应用捕获到音频文件的声音。

内容的提问来源于stack exchange，提问作者Yiru Kocherga