pydub是一個Python模塊，用于處理音頻，它有一個簡單易用的高層接口，底層依賴于ffmpeg或者avconv工具。

下面介紹pydub的一些使用。

打開一個音頻文件

import StringIO
from pydub import AudioSegment
audio = AudioSegment.from_file(StringIO.StringIO(audio_data))
audio = AudioSegment.from_file("audio_file")

from_file方法還有一個默認(rèn)參數(shù)format，用于指定音頻格式。

設(shè)置采樣率

比如將采樣率設(shè)置為16KHz

audio.set_frame_rate(16000)

單通道

audio.set_channels(1)

按時間長度分段

from pydub.utils import make_chunks
chunks = make_chunks(audio, length)

轉(zhuǎn)成Raw PCM

綜上，如果要將一段音頻轉(zhuǎn)成16KHz、單聲道、小端的Raw PCM格式，可以這么做：

import StringIO
from pydub import AudioSegment
audio = AudioSegment.from_file("audio_file")
mono = audio.set_frame_rate(16000).set_channels(1)
sio = StringIO.StringIO()
mono.export(sio, format="s16le")
# sio中保存的即是轉(zhuǎn)換后的Raw PCM
sio.getvalue()

轉(zhuǎn)好的Raw PCM可以用于語音文本轉(zhuǎn)換數(shù)據(jù)源。