Discussion :

[Pierrepaul15]

Bonjour,

Je souhaiterais faire une petite manip avec python : j'aimerais faire de la réduction active du son numériquement, le principe est très simple : il suffit d'acquérir le son dans un fichier wav, ensuite de créer son spectre opposé qui serait inversé et de l'envoyer en sortie pour 'annuler' le premier son. Pour cela j'aurais besoin de manipuler les fichiers wav, j'ai vu qu'il existait un module wave qui permettait de le faire, en revanche j'ai du mal à le maitriser. Sauriez-vous comment ouvrir un tel fichier en python, et l'exploiter (comment se présente la structure d'un tel fichier? Est-ce qu'on a une liste de valeurs qui correspondent au signal comme on pourrait voir sur Audacity...).
Ensuite je pourrais changer les valeurs des différents harmoniques afin de créer mon signal de sortie.
Si quelqu'un peut m'aider ça serait top!

Merci et bonne fin d'après-midi.

[robinechuca]

Bonjour,

Quand vous avez déjà une vague idée de comment faire, vous pouvez utiliser la documentation intégrée de python.

>>> import wave
>>> help(wave)
DESCRIPTION
Usage.

Reading WAVE files:
f = wave.open(file, 'r')

On remarque que l'on peut faire "f = wave.open(file, 'r')", c'est un bon début!
Donc ensuite on fait:

>>> import wave
>>> f = wave.open(file, 'r')
>>> help(f)
...

La documentation va vous dire quelles méthodes existes, puis en avançant comme ça pas à pas, je suis certain que vous allez trouver!

[jurassic pork]

hello,
pour lire un fichier audio wav on peut utiliser la bibliothèque scipy qui a en plus des fonctions de transformée de fourier.
Avec ce code :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
import scipy as sp
from scipy.io.wavfile import read
import matplotlib.pyplot as plt
 
 
(samplerate, data) = read('M:\\test\move.wav') # Reading the sound file. 
print("nb d'échantillons : " + str(len(data) ))# length of our array
print("fréquence d'échantillonnage : " + str(samplerate))
plt.plot(data) 
plt.title('Visualisation signal audio')
plt.xlabel('Echantillon')
plt.ylabel('Amplitude')
plt.show()
FourierTransformation = sp.fft(data) # Calculating the fourier transformation of the signal

j'obtiens ceci :

nb d'échantillons : 28672
fréquence d'échantillonnage : 44100

Ami calmant, J.P