音声プログラミングでビットデプスを落としたい

Question

pythonで音声(wavファイル)のビットデプスを落としたいです。(16bit→8bit)
プログラムを作成してみたのですが、音がかなりバリバリしていてノイズものっていて、あまり聞けるようなものではありませんでした。

    wavを読み込む(モノラルでビットデプスは2Byte)
    ↓
    2Byteずつ読み込み、1Byteに落とす 。（1Byteに落とすために256で割っただけ）
   ↓
    wavを出力

1Byteに落とすために256で割るだけでは、一般的な処理として不足しているのでしょうか？

該当のソースコード

import pathlib
import wave
import pydub
import numpy as np
from pathlib import Path

def monaural_down_depth(input_file: Path, output_file: Path):

    wave_file = wave.open(str(input_path), "r")

    frames = wave_file.readframes(wave_file.getnframes())  # frameの読み込み
    frames = np.frombuffer(frames, dtype="int16").copy()  # numpy.arrayに変換
    
    data = []
    i = 0
    while True:
        if frames.shape[0]-1 <= i:
            break

        element1 = (int)(((frames[i]) / (2 ** 8)).item())#1byteに収める
        i += 1
        element2 = (int)(((frames[i]) / (2 ** 8)).item())#1byteに収める
        i += 1

        b = (element1.to_bytes(1, byteorder="big", signed=True) + element2.to_bytes(1, byteorder="big", signed=True))
        data.append(int.from_bytes(b, byteorder="big"))

    data = np.array(data, dtype="int16")

    # wavデータ書き込み用のファイルを作成
    write_file = wave.open(str(output_file), "wb")

    # wavを書き込むための設定
    write_file.setnchannels(1)  # チャンネル数
    write_file.setsampwidth(1)  # ビットデプス
    write_file.setframerate(wave_file.getframerate())  # サンプリングレート

    bytearray_data = bytearray(data)  # listを元にbytearrayオブジェクトを作成
    write_file.writeframes(bytearray_data)  # ファイルに書き込み
    write_file.close()

Comments

[jbpb0]

> 1Byteに落とすために256で割るだけでは、一般的な処理として不足しているのでしょうか？

https://docs.python.org/ja/3/library/audioop.html#audioop.lin2lin
の「audioop.lin2lin」の「注釈」に、
「8 bit に変換する場合は、変換結果に128を足さなければなりません」
と書かれてます

[atushi3333]

ありがとうございます。
見事に解決しました。

waveのpydocを見てもあまり情報がありませんでしたが、audioopというのを内部で使っているんですね。
ノイズは、まさに符号付き二進数を符号なしに変換せず書き込んだせいです。

私が利用した音源は16bit時点で-1などが含まれていましたが、これをそのまま書き込んでしまえば8bit_wavが認識する値は255になってしまうので音がおかしくなるのも納得です。

音に関する理論はまだまだ理解が浅いですが、ひとまず解決しましたので、自己解決にコードを書いて終了とさせていただきます。ありがとうございました。

Answer 1

解決しました。
詳細は質問への追記・修正依頼をご覧ください。

※コードは完全ではありませんので注意してください

def monaural_down_depth8(input_file: Path, output_file: Path = None):
    if output_file is None:
        output_file = Path(f"{input_file.parent}/{input_file.stem}_down_d8.wav")

    wave_file = wave.open(str(input_file), "r")

    print_wave_info(wave_file)

    frames = wave_file.readframes(wave_file.getnframes())  # frameの読み込み
    frames = np.frombuffer(frames, dtype="int16").copy()  # numpy.arrayに変換 符号付き16bit整数
    data = []

    i = 0
    while True:
        if frames.shape[0] - 1 <= i:
            if frames.shape[0] % 2 != 0:
                element1 = (((frames[i]) / (2 ** 8)).item()).to_bytes(1, byteorder="big", signed=False)  # 1byteに収める
                data.append(int.from_bytes(element1 + b'0'))
            break

        element1 = (int)(((frames[i]) / (2 ** 8)).item()) + 128  # 1byteに収める item()はnumpy.float64をfloatに
        print(element1)
        i += 1
        element2 = (int)(((frames[i]) / (2 ** 8)).item()) + 128  # 1byteに収める
        print(element2)

        print(element1.to_bytes(1, byteorder="big", signed=False) + element2.to_bytes(1, byteorder="big", signed=False))
        i += 1
        # print(element1.to_bytes(1, byteorder="big", signed=False))

        b = (element1.to_bytes(1, byteorder="big", signed=False) + element2.to_bytes(1, byteorder="big", signed=False))

        data.append(int.from_bytes(b, byteorder="big"))

    data = np.array(data, dtype="int16")

    # wavデータ書き込み用のファイルを作成
    write_file = wave.open(str(output_file), "wb")

    # wavを書き込むための設定
    write_file.setnchannels(1)  # チャンネル数
    write_file.setsampwidth(1)  # ビットデプス(サンプルノイズ)
    write_file.setframerate(wave_file.getframerate())  # サンプリングレート

    bytearray_data = bytearray(data)  # listを元にbytearrayオブジェクトを作成
    write_file.writeframes(bytearray_data)  # ファイルに書き込み
    write_file.close()