如何用 Python 实现一个 “系统声音” 的实时律动挂件

前言

应该是三年前，我用 Esp8266 和 ws2812 实现了一个音乐律动灯带。就是电脑播放音乐时，灯带会随着系统内部音乐播放的频率而闪动不同色彩的灯珠。而当时用来监听系统声音的工具是一个博主提供的，除了实时采集声音外还通过 UDP 传递数据到 Esp8266 上。

而这次，我就自己用 Python 实现一下，不过不传数据，就采集后直接实时地在电脑上绘制波形动画，主要是用来作为 FL Studio 播放时的一个桌面小挂件。

环境

python3.8

pyaudio0.2.14

matplotlib

pyaudio 简介

pyaudio 是一个跨平台地音频 I/O 库，使用他可以在 Python 程序中进行播放，录音和生成 wav 文件等。需要注意的是，如果要使用 pyaudio 时，python 的版本最好在 3.7 以上，不然 pip 安装会报错。因为以下例子是获取系统内部声音，而 pyaudio 读取的音频流默认是麦克风，所以接下来介绍一下关于获取的设备列表信息。

代码获取设备列表

# pyaudio实例
audio = pyaudio.PyAudio()
# 获取设备总数
device_count = audio.get_device_count()
# 根据设备索引获取设备详细信息
for i in range(p.get_device_count()):
	devInfo = p.get_device_info_by_index(i)
	print(devInfo)

设备信息参数介绍

• index: 设备的索引号，通常用于标识系统中的设备顺序。
• structVersion: 结构版本号，用于表示这个数据结构的版本。
• name: 设备的名称，这里是 “Microsoft 声音映射器 - Input”。
• hostApi: 主 API 的标识符，通常用于表示该设备属于哪个 API 或系统。
• maxInputChannels: 设备支持的最大输入通道数，这里是 2，表示设备支持 2 个输入通道。
• maxOutputChannels: 设备支持的最大输出通道数，这里为 0，表示该设备没有输出通道。
• defaultLowInputLatency: 默认的低输入延迟，以秒为单位，这里是 0.09 秒。
• defaultLowOutputLatency: 默认的低输出延迟，这里是 0.09 秒。
• defaultHighInputLatency: 默认的高输入延迟，这里是 0.18 秒。
• defaultHighOutputLatency: 默认的高输出延迟，这里是 0.18 秒。
• defaultSampleRate: 默认的采样率，这里是 44100.0 赫兹，这是 CD 质量的音频标准采样率。

开始操作

开启立体声混音权限

打开电脑设置 - 系统 - 声音 - 管理声音设备 - 立体声混响，点击启用。

设置设备索引号

打开立体声混音后，通过 pyaudio 获取设备列表，找到带有 “立体声混音” 的名称，和 hostApi 为 0 的，hostAPI = 0 表明是 MME 设备。然后拿到该设备索引号，打开音频流时指定该内录设备序号。

def findInternalRecordingDevice(p):
    # 要找查的设备名称中的关键字
    target = '立体声混音'
    # 逐一查找声音设备
    for i in range(p.get_device_count()):
        devInfo = p.get_device_info_by_index(i)
        print(devInfo)
        if devInfo['name'].find(target) >= 0 and devInfo['hostApi'] == 0:
            # print('已找到内录设备,序号是 ',i)
            return i
    print('无法找到内录设备!')
    return -1

全部代码

import pyaudio
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.animation import FuncAnimation
import wave

FORMAT = pyaudio.paInt16
CHANNELS = 1  
RATE = 44100  
CHUNK = 4096  
# CHUNK = 1024  
WAVE_OUTPUT_FILENAME = 'audio_output.wav'

# 获取内录设备序号,在windows操作系统上测试通过，hostAPI = 0 表明是MME设备
def findInternalRecordingDevice(p):
    # 要找查的设备名称中的关键字
    target = '立体声混音'
    # 逐一查找声音设备
    for i in range(p.get_device_count()):
        devInfo = p.get_device_info_by_index(i)
        print(devInfo)
        if devInfo['name'].find(target) >= 0 and devInfo['hostApi'] == 0:
            # print('已找到内录设备,序号是 ',i)
            return i
    print('无法找到内录设备!')
    return -1

# Initialize PyAudio
audio = pyaudio.PyAudio()

# 这里input_device_index的2就是系统内录设备索引
stream = audio.open(input_device_index=2,
                    format=FORMAT,
                    channels=1,
                    rate=RATE,
                    input=True,
                    frames_per_buffer=CHUNK)

plt.ion()
fig, ax = plt.subplots()
x = np.arange(0, CHUNK)
line, = ax.plot(x, np.zeros(CHUNK))
ax.set_xlim(0, CHUNK)
ax.set_ylim(-32768, 32767)

wave_output_file = wave.open(WAVE_OUTPUT_FILENAME, 'wb')
wave_output_file.setnchannels(CHANNELS)
wave_output_file.setsampwidth(audio.get_sample_size(FORMAT))
wave_output_file.setframerate(RATE)

def update_plot(data):
    print(data)
    line.set_ydata(data)
    fig.canvas.draw()
    fig.canvas.flush_events()

def display_audio_waveform():
    while True:
        try:
            audio_data = np.frombuffer(stream.read(CHUNK), dtype=np.int16)
            # update_plot(audio_data*500)
            update_plot(audio_data)
            # wave_output_file.writeframes(audio_data)
        except KeyboardInterrupt:
            break

display_audio_waveform()

stream.stop_stream()
stream.close()
audio.terminate()

wave_output_file.close()
print('Audio saved to', WAVE_OUTPUT_FILENAME)