python 绘制音频的波形图，不报错，图形也不显示出来

2019-10-31 01:49:19 131 阅读 AI 写同款 · GEO 优化AI 选题数据监测一键分发 ›

Python音频批量处理工具：基于FFmpeg的图形化切割与格式转换方案音频处理是多媒体技术中的基础环节，涉及对声音信号的采集、编辑与转换。其核心原理是通过编解码器对音频数据进行解析与重构，实现时长调整、格式转换等操作。在工程实践中，批量处理能力能极大提升工作效率，尤其适用于内容创作、语音数据标注等场景。FFmpeg作为业界标准的音视频处理库，提供了强大的命令行功能，但参数复杂令非专业用户却步。本文介绍的HzChopGUI工具，正是通过Python与Tkinter构建图形界面，将FFmpeg的批量处理能力封装为直观操作，解决了音频素材预处理中的效率瓶颈问题，实现了快速、可视化的阅读详情

代码如下

控制台不报错，也不显示图形



import wave

import numpy as np

import pylab as plt

#打开wav文件 ，open返回一个的是一个Wave_read类的实例，通过调用它的方法读取WAV文件的格式和数据。

f = wave.open(r"D:\\img\\hello.wav", "rb")

#读取格式信息

#一次性返回所有的WAV文件的格式信息，它返回的是一个组元(tuple)：声道数, 量化位数（byte单位）, 采样频率, 采样点数, 压缩类型, 压缩类型的描述。wave模块只支持非压缩的数据，因此可以忽略最后两个信息

params = f.getparams()

nchannels, sampwidth, framerate, nframes = params[:4]

#读取波形数据

#读取声音数据，传递一个参数指定需要读取的长度（以取样点为单位）

str_data  = f.readframes(nframes)

f.close()

#将波形数据转换成数组

#需要根据声道数和量化单位，将读取的二进制数据转换为一个可以计算的数组

wave_data = np.frombuffer(str_data,dtype = np.short)

wave_data = wave_data*1.0/(max(abs(wave_data)))#wave幅值归一化

print("wave",len(wave_data))

print("nframes",nframes)

print("framerate",framerate)

#通过取样点数和取样频率计算出每个取样的时间。

time=np.arange(0,nframes)/framerate

len_time = 14239

am = time[0:len_time]

#time 也是一个数组，与wave_data[0]或wave_data[1]配对形成系列点坐标

plt.figure()

plt.subplot(5,1,1)

plt.plot(am,wave_data)

plt.show()