pyaudioでオーディオ入力し波形を表示して、NNによる予測も行いたい

Question

実現したいこと

1.pythonでオーディオ入力をして、手前5秒間の波形を表示させる
2.その5秒間の波形をlibrosaを用いて解析する
3.解析した値を自作のNNモデルの入力として用いて、その5秒間の音声をクラス分類する。
4.結果をOSCで送信する。

となっています。
1,2はそれぞれ別のサイトから引用したコードになります。

オーディオ入力をマイク入力で行なっているときは、1分程度処理を行ってから以下のエラーがでます。
入力を別ソフトウェア(MAX)からsoundflowerを用いて行うと、2~3秒で同様のエラーが出てしまいます。

最終的には、soundflower経由で音を入力して、PCのスピーカーからそのまま音声を出力したいです。

説明不足等ありましたら、ご指摘いただきたいです。
初心者で恐縮ですが、よろしくお願いします。

発生している問題・エラーメッセージ

以下、エラーメッセージです。

Traceback (most recent call last):
  File "audioplot-pred.py", line 195, in update
    self.data=np.append(self.data, self.AudioInput())
  File "audioplot-pred.py", line 208, in AudioInput
    ret=self.stream.read(self.CHUNK)    
  File "/anaconda3/lib/python3.7/site-packages/pyaudio.py", line 608, in read
    return pa.read_stream(self._stream, num_frames, exception_on_overflow)
OSError: [Errno -9981] Input overflowed
Abort trap: 6

このエラー文で検索すると、入力のときのCHUNKの値を大きくしましょう、というアドバイスを多数見かけました。
しかし、chunkを大きくしても(1024 * 2 ~ 1024 * 8まで)同様のエラーで出てしまい、他に原因があるように考えられます。

入力をマイク入力にしたり、無音の状態が多い音をsoundflowerで入力するとエラーは出ませんでした。

該当のソースコード

#プロット関係のライブラリ
import pyqtgraph as pg
from pyqtgraph.Qt import QtCore, QtGui
import numpy as np
import sys

#音声関係のライブラリ
import pyaudio
import struct

import tensorflow
import librosa
import pandas as pd
import os
import pathlib
import csv
import glob
import matplotlib.pyplot as plt

from pydub import AudioSegment
import math

# Preprocessing
from sklearn.model_selection import train_test_split
from keras.models import Sequential, Model , load_model
from sklearn.preprocessing import LabelEncoder, StandardScaler

from keras import models
from keras import layers

from pythonosc import udp_client
from pythonosc.osc_message_builder import OscMessageBuilder

IP = '127.0.0.1'
PORT = 1192


client = udp_client.UDPClient(IP, PORT)

import warnings

warnings.filterwarnings('ignore')

model=load_model('/Users/Desktop/test.h5')
# model.summary()

label = ['1', '2', '3', '4', '5', '6', '7', '8', '9', '10', '11', '12', '13', '14', '15', '16', '17', '18', '19']


cmap = plt.get_cmap('inferno')
plt.figure(figsize=(20, 20))


sr = 44100

data = pd.DataFrame({
                    'chroma_stft' : [],
                    'rmse' : [],
                    'spectral_centroid' : [],
                    'spectral_bandwidth' : [],
                    'rolloff' : [],
                    'zero_crossing_rate' : [],
                    'mfcc1' : [],
                    'mfcc2' : [],
                    'mfcc3' : [],
                    'mfcc4' : [],
                    'mfcc5' : [],
                    'mfcc6' : [],
                    'mfcc7' : [],
                    'mfcc8' : [],
                    'mfcc9' : [],
                    'mfcc10' : [],
                    'mfcc11' : [],
                    'mfcc12' : [],
                    'mfcc13' : [],
                    'mfcc14' : [],
                    'mfcc15' : [],
                    'mfcc16' : [],
                    'mfcc17' : [],
                    'mfcc18' : [],
                    'mfcc19' : [],
                    'mfcc20' : []}

mp3 = "/Users/Downloads/1-24.mp3"
songname = f'{mp3}'



def pred(y):

    # songname = f'{mp3}'
    # y, sr = librosa.load(songname, mono=True, duration=5)
    chroma_stft = librosa.feature.chroma_stft(y=y, sr=sr)
    spec_cent = librosa.feature.spectral_centroid(y=y, sr=sr)
    spec_bw = librosa.feature.spectral_bandwidth(y=y, sr=sr)
    rolloff = librosa.feature.spectral_rolloff(y=y, sr=sr)
    zcr = librosa.feature.zero_crossing_rate(y)
    mfcc = librosa.feature.mfcc(y=y, sr=sr, n_mfcc=20)
    rmse = librosa.feature.rmse(y=y)
    to_append = f'{np.mean(chroma_stft)} {np.mean(rmse)} {np.mean(spec_cent)} {np.mean(spec_bw)} {np.mean(rolloff)} {np.mean(zcr)}'    

    for e in mfcc:
        to_append += f' {np.mean(e)}'


    f_data = to_append.split()

    # print("feature")
    # print(f_data)


    data.loc['1'] = f_data



    genre_list = data.iloc[:, -1]
    encoder = LabelEncoder()
    y = encoder.fit_transform(genre_list)

    scaler = StandardScaler()
    X = scaler.fit_transform(np.array(data.iloc[:, :-1], dtype = float))


    # print(data)


    pred = model.predict(data, batch_size=1, verbose=0)
    score = np.max(pred)
    pred_label = label[np.argmax(pred[0])]

    print('name : ', pred_label)
    print('score : ', score)
    print(pred)

    '''
    msg = OscMessageBuilder(address='/furi')
    msg.add_arg(pred_label)
    m = msg.build()

    client.send(m)
    '''



class PlotWindow:
    def __init__(self):
        #プロット初期設定
        self.win=pg.GraphicsWindow()
        self.win.setWindowTitle(u"リアルタイムプロット")
        self.plt=self.win.addPlot() 
        self.plt.setYRange(-1,1)   
        self.curve=self.plt.plot()  

        #マイクインプット設定
        self.CHUNK=1024 * 5           
        self.p_num = 44100 * 2
        self.RATE=44100           
        self.audio=pyaudio.PyAudio()
        self.stream=self.audio.open(format=pyaudio.paInt16,
                                    channels=2,
                                    rate=self.RATE,
                                    input_device_index=2,#2 = sound flower
                                    input=True,
                                    frames_per_buffer=self.CHUNK,
                                    output=True)

        #アップデート時間設定
        self.timer=QtCore.QTimer()
        self.timer.timeout.connect(self.update)
        self.timer.start(10)   

        self.data=np.zeros(self.CHUNK)
        self.count = 0

    def update(self):
        self.count += 1
        self.data=np.append(self.data, self.AudioInput())
        if len(self.data)/ 1 > self.p_num * 2:    
            self.data=self.data[self.CHUNK * 2:]
        self.curve.setData(self.data)  
        if self.count == 10:
            pred(self.data)
            self.count = 0

    def AudioInput(self):
        ret=self.stream.read(self.CHUNK) 
        # output = self.stream.write(ret)
        ret=np.frombuffer(ret, dtype="int16")/32768.0
        return ret


if __name__=="__main__":
    plotwin=PlotWindow()
    if (sys.flags.interactive!=1) or not hasattr(QtCore, 'PYQT_VERSION'):
        print("in")
        QtGui.QApplication.instance().exec_()

    print("out")
    

試したこと

上記のようにCHUNKの値は変えました。
また、update内のself.dataが5秒を超えた時の古い波形データの消去の数等はいろいろと試してみました。

いろいろ試しているうちに、５秒間の波形を表示することすらできなくなってしまいました。

補足情報（FW/ツールのバージョンなど）

macbook pro 2016
python3.7