基本

音频处理的技术，有以下：

  • 采集麦克风输入
  • 采集声卡输出
  • 将音频数据送入声卡播放
  • 将多路音频输入进行混音

MME: MultiMedia Extentions。 级别最低的驱动，等待时间长。
Direct Sound: 一般提供远低于MME的等待时间
ASIO: Audio Stream Input Output。 音频流输入输出，是第一个真正提供了小于10毫秒低等待时间的驱动
WASAPI：Windows Audio Session API
WDM: win32 Driver Model。Microsoft的最新类型驱动

声卡

实现声波/数字信号相互转换的一种硬件，把来自话筒、磁带、光盘的原始声音信号 加以转换，输出到耳机、扬声器、录音机等声响设备。

采样率：44100或48000帧/秒

音频库

SoundFile
读写音频文件，实现ndarray(N维数组)数据与wav文件的转换

import soundfile as sf
data, samplerate = sf.read('existing_file.wav')
sf.write('new_file.wav', data, samplerate)

读到的语音文件一般有两列，表示双声道语音。

PyAudio
可以将音频流输送到计算机声卡上，理论上该模块可以播放任何解码器解码而成的有效音频帧。

SoundDevices
实现通过声卡：播放、录制、回放等功能。
播放功能：将ndarray数据通过声卡播放出去。

音频编码文件

  1. AAC (Advanced Audio Coding) 高级音频编码
    专为声音数据设计的有损文件压缩格式，
  2. RAW
    录制的音频源码，本设备不解码直接输出到下一个设备，让下一个设备解码。
    PCM：本机解码完成后输出给下一个设备。
  3. WAV
    微软公司专门为windows开发的一种标准数字音频文件，尺寸较大。

音频接口

AUX接口： (Auxiliary)是音频输入接口，常见的耳机接口，用来输入音频模拟信号，对应 TRS端子
TRS端子：连接音响设备，用以传递音频信号的连接器。 Tip 尖、Ring 环、Sleeve 套。虽然统称TRS，但也可依据具体的插头/插座的环（R）数不同而分别称为TS（无环，即尖和套各提供一个接触点）、TRS（一环，三个接触点）、TRRS（两环，四个接触点）等等。

RCA接口： 莲花头；

XLR接口：卡农口，传输 平衡与非平衡 信号；
AES/EBU :

Mic/Line接口：是TRS与XLR两用接口，可以接话筒若线路输入；

DAW

Digital Audio Workstation
Cubase AI常用；

FFMPEG

# mp3格式转化为wav格式
ffmpeg -i xi.mp3 -f wav -ar 16000 xie2.wav