Windows 11下用Python获取实时音频输出电平的技术问询

你需要的是捕获实际输出的音频流并计算电平（而非系统音量设置），以下是经过验证的Python实现方案：

方案1：捕获系统全局音频输出（快速实现） #

使用sounddevice库结合Windows WASAPI回环捕获功能，这是最快捷的全局音频检测方案。

步骤： #

1. 安装依赖：

pip install sounddevice numpy

2. 示例代码：

import sounddevice as sd
import numpy as np

# 配置参数
SAMPLE_RATE = 44100
BLOCK_SIZE = 1024
# 电平阈值（根据实际场景调整，范围0~1）
THRESHOLD = 0.01

# 查找系统回环捕获设备
def get_loopback_device():
    for idx, dev in enumerate(sd.query_devices()):
        if 'loopback' in dev['name'].lower() and dev['max_input_channels'] > 0:
            return idx
    raise ValueError("未找到WASAPI回环设备，请确认Windows版本支持该功能")

# 计算音频RMS电平（反映实际音量大小）
def calculate_rms(audio_block):
    return np.sqrt(np.mean(np.square(audio_block)))

# 音频流回调函数，实时检测电平
def audio_callback(indata, frames, time, status):
    if status:
        print(status)
    rms = calculate_rms(indata)
    if rms > THRESHOLD:
        print("系统音频输出超过阈值，触发指定操作！")
        # 在这里添加你的触发逻辑，比如启动程序、发送通知等

# 启动捕获
loopback_dev = get_loopback_device()
with sd.InputStream(device=loopback_dev,
                    samplerate=SAMPLE_RATE,
                    blocksize=BLOCK_SIZE,
                    callback=audio_callback):
    print("开始监测系统音频输出...")
    input("按回车键停止监测\n")

方案2：捕获单个应用的音频输出（精准控制） #

如果需要单独检测某款应用的音频，推荐用NAudio（.NET音频库）配合Python.NET桥接，直接获取目标应用的音频会话流，无需依赖虚拟音频设备。

步骤： #

1. 安装依赖：

pip install pythonnet

然后从NuGet下载NAudio.dll，放到Python脚本同一目录下。

2. 示例代码：

import clr
import numpy as np

# 加载NAudio库
clr.AddReference("NAudio")
from NAudio.CoreAudioApi import MMDeviceEnumerator, AudioClientShareMode, AudioClientStreamFlags
from NAudio.Wave import WaveFormat

# 查找目标应用的音频会话
def get_target_app_session(app_display_name):
    enumerator = MMDeviceEnumerator()
    # 获取默认音频输出设备
    default_device = enumerator.GetDefaultAudioEndpoint(0, 1)
    session_manager = default_device.AudioSessionManager
    sessions = session_manager.Sessions
    for i in range(sessions.Count):
        session = sessions[i]
        if session.DisplayName == app_display_name:
            return session
    raise ValueError(f"未找到名为「{app_display_name}」的音频会话")

# 实时捕获并检测目标应用的音频电平
def monitor_app_audio(session):
    audio_client = session.AudioClient
    wave_format = audio_client.MixFormat
    # 初始化回环捕获
    audio_client.Initialize(AudioClientShareMode.Shared,
                            AudioClientStreamFlags.Loopback,
                            0, 0, wave_format, 0)
    buffer_size = audio_client.BufferSize
    audio_capture_client = audio_client.AudioCaptureClient
    
    print(f"开始监测「{session.DisplayName}」的音频输出...")
    audio_client.Start()
    try:
        while True:
            packet_size = audio_capture_client.GetNextPacketSize()
            if packet_size > 0:
                data_buffer = audio_capture_client.GetBuffer(packet_size)
                # 转换为归一化音频数据（范围-1~1）
                audio_data = np.frombuffer(data_buffer, dtype=np.int16) / 32768.0
                rms = np.sqrt(np.mean(np.square(audio_data)))
                # 自定义阈值
                APP_THRESHOLD = 0.008
                if rms > APP_THRESHOLD:
                    print(f"{session.DisplayName}音频超过阈值，触发操作！")
                audio_capture_client.ReleaseBuffer(packet_size)
    except KeyboardInterrupt:
        audio_client.Stop()

# 使用示例：替换为你要监测的应用名称
target_session = get_target_app_session("微信")
monitor_app_audio(target_session)

关键提示 #

• 你需要的「实际输出音频检测」本质是通过WASAPI回环捕获实现的，系统不会直接暴露输出音频流，这也是pyAudio无法实现的核心原因。
• pyWinCoreAudio基于Python 2且已废弃，完全不推荐使用。

内容的提问来源于stack exchange，提问作者KNX