WAVE और JPEG में मीडिया के संपीड़न / भंडारण के तरीके, भाग 1

आपका स्वागत है! लेखों की मेरी पहली श्रृंखला का उद्देश्य चित्रों / ध्वनि को संपीड़ित करने और संग्रहीत करने के तरीकों का अध्ययन करना होगा, जैसे JPEG (छवि) और WAVE (ध्वनि), और वे अभ्यास में इन प्रारूपों (.jpg, .wav) का उपयोग करके कार्यक्रमों के उदाहरण भी शामिल करेंगे। इस भाग में हम WAVE पर विचार करेंगे।

कहानी

WAVE (वेवफॉर्म ऑडियो फ़ाइल फॉर्मेट) ऑडियो स्ट्रीम रिकॉर्डिंग को संग्रहीत करने के लिए एक कंटेनर फ़ाइल प्रारूप है। यह कंटेनर आमतौर पर पल्स-कोड मॉड्यूलेशन में असम्पीडित ध्वनि को संग्रहीत करने के लिए उपयोग किया जाता है। (विकिपीडिया से अनुकूलित)

यह माइक्रोसॉफ्ट और आईबीएम (उस समय की अग्रणी आईटी कंपनियों) द्वारा आरआईएफएफ के साथ 1991 में आविष्कार और प्रकाशित किया गया था।

फ़ाइल संरचना

फ़ाइल में एक हेडर हिस्सा है, डेटा ही है, लेकिन कोई पाद नहीं है। हेडर का वजन कुल 44 बाइट्स है।
हेडर में नमूने में बिट्स की संख्या, डिसक्रिटाइजेशन की आवृत्ति, ध्वनि की गहराई, आदि की सेटिंग्स होती हैं। साउंड कार्ड के लिए आवश्यक जानकारी। (सभी सांख्यिक तालिका मान लिटिल-एंडियन क्रम में लिखे जाने चाहिए)

उदाहरण है

पिछली तालिका को आसानी से सी संरचना में अनुवादित किया जा सकता है, लेकिन आज हमारी भाषा पायथन है। लहर का उपयोग करने के लिए सबसे आसान काम एक शोर जनरेटर है। इस कार्य के लिए, हमें उच्च बाइट और संपीड़न की आवश्यकता नहीं है।
शुरू करने के लिए, हम आवश्यक मॉड्यूल आयात करते हैं:

# WAV.py from struct import pack #  py-     C from os import urandom #    /dev/urandom,  windows: # from random import randint # urandom = lambda sz: bytes([randint(0, 255) for _ in range(sz)]) #   windows, .. urandom'    from sys import argv, exit #      if len(argv) != 3: # +1   (-1,   ) print('Usage: python3 WAV.py [num of samples] [output]') exit(1) 

अगला, हमें उनके आकार के अनुसार तालिका से सभी आवश्यक चर बनाने की आवश्यकता है। इसमें परिवर्तनीय मूल्य केवल संख्या (नमूनों की संख्या) पर निर्भर करते हैं। जितने अधिक होंगे, हमारा शोर उतना ही अधिक होगा।

 numSamples = int(argv[1]) output_path = argv[2] chunkId = b'RIFF' Format = b'WAVE' subchunk1ID = b'fmt ' subchunk1Size = b'\x10\x00\x00\x00' # 0d16 audioFormat = b'\x01\x00' numChannels = b'\x02\x00' # 2-    () sampleRate = pack('<L', 1000) # 1000 ,    ,     .  1000-  ,   bitsPerSample = b'\x20\x00' # 0d32 byteRate = pack('<L', 1000 * 2 * 4) # sampleRate * numChannels * bitsPerSample / 8 (32 bit sound) blockAlign = b'\x08\x00' # numChannels * BPS / 8 subchunk2ID = b'data' subchunk2Size = pack('<L', numSamples * 2 * 4) # * numChannels * BPS / 8 chunkSize = pack('<L', 36 + numSamples * 2 * 4) # 36 + subchunk2Size data = urandom(1000 * 2 * 4 * numSamples) #   

यह केवल उन्हें आवश्यक अनुक्रम में लिखने के लिए रहता है (तालिका में):

 with open(output_path, 'wb') as fh: fh.write(chunkId + chunkSize + Format + subchunk1ID + subchunk1Size + audioFormat + numChannels + sampleRate + byteRate + blockAlign + bitsPerSample + subchunk2ID + subchunk2Size + data) #  

और इसलिए, किया। स्क्रिप्ट का उपयोग करने के लिए, हमें आवश्यक कमांड लाइन तर्क जोड़ना होगा:
python3 WAV.py [num of samples] [output]
नमूनों की संख्या - गिनती नमूने
आउटपुट - आउटपुट फाइल का पथ

यहाँ शोर के साथ एक परीक्षण ऑडियो फ़ाइल का लिंक दिया गया है, लेकिन मेमोरी को बचाने के लिए, मैंने BPS को 1b / s पर उतारा और चैनलों की संख्या 1 तक गिरा दी (64kbs पर 32k असम्पीडित स्टीरियो ऑडियो स्ट्रीम के साथ यह एक साफ .avav फ़ाइल का 80M निकला, और केवल 10): https: /। /instaud.io/3Dcy

पूरे कोड (WAV.py) (कोड में कई डुप्लिकेट वैल्यूज़ वैरिएबल हैं, यह सिर्फ एक स्केच है):

 from struct import pack #  py-     C from os import urandom #    /dev/urandom,  windows: # from random import randint # urandom = lambda sz: bytes([randint(0, 255) for _ in range(sz)]) #   windows, .. urandom'    from sys import argv, exit #      if len(argv) != 3: # +1   (-1,   ) print('Usage: python3 WAV.py [num of samples] [output]') exit(1) numSamples = int(argv[1]) output_path = argv[2] chunkId = b'RIFF' Format = b'WAVE' subchunk1ID = b'fmt ' subchunk1Size = b'\x10\x00\x00\x00' # 0d16 audioFormat = b'\x01\x00' numChannels = b'\x02\x00' # 2-    () sampleRate = pack('<L', 1000) # 1000 ,    . bitsPerSample = b'\x20\x00' # 0d32 byteRate = pack('<L', 1000 * 2 * 4) # sampleRate * numChannels * bitsPerSample / 8 (32 bit sound) blockAlign = b'\x08\x00' # numChannels * BPS / 8 subchunk2ID = b'data' subchunk2Size = pack('<L', numSamples * 2 * 4) # * numChannels * BPS / 8 chunkSize = pack('<L', 36 + numSamples * 2 * 4) # 36 + subchunk2Size data = urandom(1000 * 2 * 4 * numSamples) #   with open(output_path, 'wb') as fh: fh.write(chunkId + chunkSize + Format + subchunk1ID + subchunk1Size + audioFormat + numChannels + sampleRate + byteRate + blockAlign + bitsPerSample + subchunk2ID + subchunk2Size + data) #     

परिणाम

तो आपने डिजिटल साउंड के बारे में थोड़ा और सीखा कि यह कैसे संग्रहीत किया जाता है। इस पोस्ट में हमने कम्प्रेशन (ऑडियोफ़ॉर्मैट) का उपयोग नहीं किया, लेकिन प्रत्येक लोकप्रिय लेख की समीक्षा करने के लिए आपको लेखों की आवश्यकता होगी। 10. मुझे आशा है कि आपने अपने लिए कुछ नया सीखा है और यह आपको भविष्य के विकास में मदद करेगा।
धन्यवाद!

सूत्रों का कहना है

WAV फ़ाइल संरचना
WAV - विकिपीडिया