python声音控制计算机

❶ 用python的tkinter开发界面 能不能加入声音

当然可以播放音频。之前排练一个话剧，有很多背景音效，在播放器中点，怕出错。于是花了点时间用Python Tkinter写了一个播放音频的小软件，打包成EXE文件可直接运行播放，很方便！

1首先定义一个按钮：

这样，点击第一个左上Play按钮，就可以播放对应的音频了。

❷ 利用python和麦克风进行语音数据采集的流程

使用 Python 和麦克风进行语音数据采集的流程可能包括以下步骤：

• 安装并导入相应的库：需要安装并导入 PyAudio 库，这个库可以让你在 Python 中操作麦克风。

• 打开麦克风：使用 PyAudio 库打开麦克风，并设置采样率，采样位数等参数。

• 开始录音：使用 PyAudio 库的 read 方法从麦克风中读取语音数据。

• 存储数据：使用 Python 的文件操作函数将读取到的语音数据存储到本地磁盘上。

• 关闭麦克风：使用 PyAudio 库关闭麦克风。

• 处理数据:在结束采集之后可以对音频数据进行处理，比如语音识别，语音合成,语音压缩等.

注意：请确保在你的系统中已经安装好了麦克风驱动，并且在 Python 代码中有足够的权限访问麦克风。

❸ Python程序运行结束如何加入提示音

#以下都是基于win xp+py 2.x;其他操作系统及py3.x没试过...
1.电脑蜂鸣音：
print '\a'*7
#xp,py 2.6测试，这个绝对有BB...的声音。。。
2.播放外部音频文件
推荐外部模块：winsound
代码示例：
import winsound
PlaySound(sound)
#sound为wav文件名。
#还有其他播放其他多媒体格式的模块，可自行google下。
3.文本语音发音
#这个我曾用文本语音来代替程序运行的文字提示，搭建平台：
winxp+MS语音库+py_win32+py2.5(语音识别+文本发音)/py2.6(文本发音)+pyspeech(语音识别和发音模块)/pytts（仅文本发音）
*pywin32:http://sourceforge.net/projects/pywin32/
*pyspeech:http://code.google.com/p/pyspeech/
*To download Speech SDK 5.1, Visit http://www.microsoft.com/downloads/details.aspx?displaylang=en&FamilyID=5e86ec97-40a7-453f-b0ee-6583171b4530; Only SpeechSDK51.exe and SpeechSDK51LangPack.exe are needed.
#如果仅仅是要发音：
speak('程序运行结束！')很简单；仅需winxp+MS语音库+py_win32+py2.5/py2.6
发音函数代码可以自己写!

❹ 如何用python让树莓派发出声音

就是传递给函数raspberryTalk的参数。是不是很简单呢？其实我们就是利用mplayer来播放从google翻译传来的真人发声而已，就这么简单。
此外，如果你想通过终端来调整扬声器的音量，只需要输入alsamixer，然后通过向上和向下箭头来调整音量即可。 完整的代码可以在这里找到。

❺ Python 简单的扩音，音频去噪，静音剪切

数字信号是通过对连续的模拟信号采样得到的离散的函数。它可以简单看作一个以时间为下标的数组。比如，x[n]，n为整数。比如下图是一个正弦信号(n=0,1, ..., 9)：

对于任何的音频文件，实际上都是用这种存储方式，比如，下面是对应英文单词“skip”的一段信号(只不过由于点太多，笔者把点用直线连接了起来）：

衡量数字信号的 能量（强度） ，只要简单的求振幅平方和即可：

我们知道，声音可以看作是不同频率的正弦信号叠加。那么给定一个声音信号（如上图），怎么能够知道这个信号在不同频率区段上的强度呢？答案是使用离散傅里叶变换。对信号x[n], n=0, ..., N-1，通常记它的离散傅里叶变换为X[n]，它是一个复值函数。

比如，对上述英文单词“skip”对应的信号做离散傅里叶变换，得到它在频域中的图像是：

可以看到能量主要集中在中低音部分（约16000Hz以下）。

在频域上，也可以计算信号的强度，因为根据Plancherel定理，有：

对于一般的语音信号，长度都至少在1秒以上，有时候我们需要把其中比如25毫秒的一小部分单独拿出来研究。将一个信号依次取小段的操作，就称作分帧。技术上，音频分帧是通过给信号加一系列的 窗 函数 实现的。

我们把一种特殊的函数w[n]，称作窗函数，如果对所有的n，有0<=w[n]<=1，且只有有限个n使得w[n]>0。比如去噪要用到的汉宁窗，三角窗。

汉宁窗

三角窗

我们将平移的窗函数与原始信号相乘，便得到信号的“一帧”：

w[n+d]*x[n]

比如用长22.6毫秒的汉宁窗加到“skip”信号大约中间部位上，得到一帧的信号：

可见除一有限区间之外，加窗后的信号其他部分都是0。

对一帧信号可以施加离散傅里叶变换（也叫短时离散傅里叶变换），来获取信号在这一帧内（通常是很短时间内），有关频率-能量的分布信息。

如果我们把信号按照上述方法分成一帧一帧，又将每一帧用离散傅里叶变换转换到频域中去，最后将各帧在频域的图像拼接起来，用横坐标代表时间，纵坐标代表频率，颜色代表能量强度（比如红色代表高能，蓝色代表低能），那么我们就构造出所谓 频谱图 。比如上述“skip”发音对应的信号的频谱图是：

（使用5.8毫秒的汉宁窗）

从若干帧信号中，我们又可以恢复出原始信号。只要我们适当选取窗口大小，以及窗口之间的平移距离L，得到 ..., w[n+2L], w[n+L], w[n], w[n-L], w[n-2L], ...，使得对k求和有：

从而简单的叠加各帧信号便可以恢复出原始信号：

最后，注意窗函数也可以在频域作用到信号上，从而可以起到取出信号的某一频段的作用。

下面简单介绍一下3种音效。

1. 扩音

要扩大信号的强度，只要简单的增大信号的“振幅”。比如给定一个信号x[n]，用a>1去乘，便得到声音更大的增强信号：

同理，用系数0<a<1去乘，便得到声音变小的减弱信号。

2. 去噪（降噪）

对于白噪音，我们可以简单的用“移动平均滤波器”来去除，虽然这也会一定程度降低声音的强度，但效果的确不错。但是，对于成分较为复杂，特别是频段能量分布不均匀的噪声，则需要使用下面的 噪声门 技术，它可以看作是一种“多带通滤波器”。

这个特效的基本思路是：对一段噪声样本建模，然后降低待降噪信号中噪声的分贝。

更加细节的说，是在信号的若干频段f[1], ..., f[M]上，分别设置噪声门g[1], ..., g[M]，每个门都有一个对应的阈值，分别是t[1], ..., t[M]。这些阈值时根据噪声样本确定的。比如当通过门g[m]的信号强度超过阈值t[m]时，门就会关闭，反之，则会重新打开。最后通过的信号便会只保留下来比噪声强度更大的声音，通常也就是我们想要的声音。

为了避免噪声门的开合造成信号的剧烈变动，笔者使用了sigmoid函数做平滑处理，即噪声门在开-关2个状态之间是连续变化的，信号通过的比率也是在1.0-0.0之间均匀变化的。

实现中，我们用汉宁窗对信号进行分帧。然后对每一帧，又用三角窗将信号分成若干频段。对噪声样本做这样的处理后，可以求出信号每一频段对应的阈值。然后，又对原始信号做这样的处理（分帧+分频），根据每一帧每一频段的信号强度和对应阈值的差（diff = energy-threshold），来计算对应噪声门的开合程度，即通过信号的强度。最后，简单的将各频段，各帧的通过信号叠加起来，便得到了降噪信号。

比如原先的“skip”语音信号频谱图如下：

可以看到有较多杂音（在高频，低频段，蓝色部分）。采集0.25秒之前的声音作为噪声样本，对信号作降噪处理，得到降噪后信号的频谱图如下：

可以明显的看到大部分噪音都被清除了，而语音部分仍完好无损，强度也没有减弱，这是“移动平均滤波器”所做不到的。

3. 静音剪切

在对音频进行上述降噪处理后，我们还可以进一步把多余的静音去除掉。

剪切的原理十分简单。首先用汉宁窗对信号做分帧。如果该帧信号强度过小，则舍去该帧。最后将保留的帧叠加起来，便得到了剪切掉静音部分的信号。

比如，对降噪处理后的“skip”语音信号做静音剪切，得到的新信号的频谱图为：