如何用PyAudio录制8位音频？paInt8/paUInt8录制仅出噪音问题

问题情况 #

PyAudio使用pyaudio.paInt16格式时音频录制/播放正常，但切换到pyaudio.paInt8或pyaudio.paUInt8格式后，只能听到噪音，即使关闭麦克风，录制的内容也完全固定不变。

相关代码 #

p = pyaudio.PyAudio()
inStream = p.open(format=pyaudio.paInt8,
                  channels=1,
                  rate=8000,
                  input=True)

outStream = p.open(format=pyaudio.paInt8,
                   channels=1,
                   rate=8000,
                   output=True)

print(p.get_default_input_device_info())
while True:
    data = inStream.read(160)
    print(data)
    # outStream.write(data)

麦克风设备信息 #

{'index': 1, 'structVersion': 2, 'name': 'Headset Microphone (INZONE H9 /', 'hostApi': 0, 'maxInputChannels': 1, 'maxOutputChannels': 0, 'defaultLowInputLatency': 0.09, 'defaultLowOutputLatency': 0.09, 'defaultHighInputLatency': 0.18, 'defaultHighOutputLatency': 0.18, 'defaultSampleRate': 44100.0}

录制的固定音频数据 #

b'\x14\x00\x00\x00\x00\x00\x00\x00p;\xfd\xcc\xd0\x01\x00\x00\xf0<\xfd\xcc\xd0\x01\x00\x00\xf0;\xfd\xcc\xd0\x01\x00\x00\xb06\xfd\xcc\xd0\x01\x00\x000\xb5\x1b\xcf\xd0\x01\x00\x00\x90\xe4\x1b\xcf\xd0\x01\x00\x000\x05\xfd\xcc\xd0\x01\x00\x00pq\xff\xcc\xd0\x01\x00\x00\xc0+\x1b\xcf\xd0\x01\x00\x00\x10,\x1b\xcf\xd0\x01\x00\x00p\xbc\x1b\xcf\xd0\x01\x00\x00\xb0\xbc\x1b\xcf\xd0\x01\x00\x000\xbb\x1b\xcf\xd0\x01\x00\x00\xf0\xbc\x1b\xcf\xd0\x01\x00\x000\xbd\x1b\xcf\xd0\x01\x00\x00p\xbd\x1b\xcf\xd0\x01\x00\x00pr\xff\xcc\xd0\x01\x00\x00\xb0\x1f\x05\xcd\xd0\x01\x00\x00\xa0\xe3\x1b\xcf\xd0\x01\x00\x00'

问题原因分析 #

1. 硬件/驱动不支持8位采样：绝大多数现代麦克风原生仅支持16位及以上采样深度，PyAudio的软件模拟8位格式时易出现数据转换错误，导致输出固定噪音。
2. 采样率不匹配：设备默认采样率为44100Hz，但代码中强制使用8000Hz，低深度格式下的采样率转换更容易引入失真或错误数据。
3. 数据格式对齐错误：8位格式的字节对齐方式与设备原生输出不兼容，导致读取到的是无效的固定数据。

解决方案 #

方案1：使用设备原生支持的格式（推荐） #

直接使用设备原生的pyaudio.paInt16格式和默认采样率44100Hz，避免格式转换带来的问题：

p = pyaudio.PyAudio()
inStream = p.open(format=pyaudio.paInt16,
                  channels=1,
                  rate=44100,
                  input=True)

outStream = p.open(format=pyaudio.paInt16,
                   channels=1,
                   rate=44100,
                   output=True)

while True:
    data = inStream.read(1024)
    outStream.write(data)

方案2：录制16位后手动转换为8位 #

如果必须使用8位格式，先以16位录制，再手动转换为8位，避免硬件层面的格式不兼容：

import pyaudio
import numpy as np

p = pyaudio.PyAudio()
# 用16位格式录制
inStream = p.open(format=pyaudio.paInt16,
                  channels=1,
                  rate=44100,
                  input=True,
                  frames_per_buffer=1024)

# 用8位格式输出
outStream = p.open(format=pyaudio.paInt8,
                   channels=1,
                   rate=44100,
                   output=True)

while True:
    data = inStream.read(1024)
    # 转换为numpy数组处理
    audio_16bit = np.frombuffer(data, dtype=np.int16)
    # 转换为8位：16位范围是-32768~32767，8位是-128~127，做缩放
    audio_8bit = (audio_16bit / 256).astype(np.int8)
    # 转换回字节流输出
    outStream.write(audio_8bit.tobytes())

内容的提问来源于stack exchange，提问作者conata