如何使用Python计算WAV文件中声音的实时频率？

核心思路 #

要实现播放过程中实时计算频率，不能一次性对整个音频文件做FFT，必须采用分帧处理：将音频切成连续的小块（帧），每处理完一帧就计算当前帧的频率，同时同步播放对应片段，兼顾实时性和频率精度。

必备工具 #

用Python实现的话，需要这几个库：

• scipy.io.wavfile：读取WAV文件的采样率和音频数据
• numpy：数值计算（FFT或自相关运算）
• pyaudio：实时播放音频并同步获取待处理的音频帧

先安装依赖：

pip install numpy scipy pyaudio

入门代码示例（基于FFT的实时频率计算） #

import numpy as np
from scipy.io import wavfile
import pyaudio

# 读取WAV文件
sample_rate, audio_data = wavfile.read("your_audio.wav")

# 处理立体声转单声道（如果是立体声的话）
if len(audio_data.shape) > 1:
    audio_data = np.mean(audio_data, axis=1)

# 归一化音频数据（转成float32，适配PyAudio）
audio_data = audio_data.astype(np.float32) / np.max(np.abs(audio_data))

# 分帧参数：帧长1024（可调，越短延迟越低但频率精度越差）
frame_size = 1024
num_frames = len(audio_data) // frame_size

# 初始化PyAudio
p = pyaudio.PyAudio()

# 打开播放流
stream = p.open(
    format=pyaudio.paFloat32,
    channels=1,
    rate=sample_rate,
    output=True
)

# 逐帧处理+播放
for i in range(num_frames):
    # 提取当前帧
    frame = audio_data[i*frame_size : (i+1)*frame_size]
    
    # 播放当前帧
    stream.write(frame.tobytes())
    
    # FFT计算频率
    fft_result = np.fft.fft(frame)
    fft_magnitude = np.abs(fft_result[:frame_size//2])  # 取正频率部分
    freq_axis = np.fft.fftfreq(frame_size, 1/sample_rate)[:frame_size//2]
    
    # 找到幅值最大的频率点（忽略直流分量）
    max_idx = np.argmax(fft_magnitude[1:]) + 1
    current_freq = freq_axis[max_idx]
    
    # 打印实时频率（可替换成你需要的后续处理）
    print(f"当前频率: {current_freq:.1f} Hz")

# 清理资源
stream.stop_stream()
stream.close()
p.terminate()

关键细节说明 #

1. 分帧参数调整：

   • 帧长frame_size建议取2的幂（比如512、1024、2048），FFT计算更快
   • 采样率44100Hz下，1024帧对应约23ms延迟，平衡实时性和精度

2. 频率计算方法选择：

   • 上述代码用FFT，适合多频混合信号，能得到占比最高的频率
   • 如果是单音信号（比如乐器单音），可以用自相关法，计算量更小、延迟更低，示例代码片段：

     # 自相关法计算单频信号频率
     def get_freq_autocorrelation(frame, sample_rate):
         corr = np.correlate(frame, frame, mode='full')
         corr = corr[len(corr)//2:]
         # 找到第一个峰值（跳过直流分量的峰值）
         peak_idx = np.argmax(corr[10:]) + 10
         period = peak_idx / sample_rate
         return 1 / period if period !=0 else 0
     

   • 调用时替换FFT部分即可：current_freq = get_freq_autocorrelation(frame, sample_rate)

3. 注意事项：

   • 如果WAV文件是16位整数格式，需要先转成float32再归一化，避免播放失真
   • 实时处理时要确保计算速度快于播放速度，否则会卡顿，可适当减小帧长或优化计算逻辑

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