mirror of
https://github.com/PaddlePaddle/FastDeploy.git
synced 2025-10-05 16:48:03 +08:00
128 lines
4.4 KiB
Python
128 lines
4.4 KiB
Python
"""
|
||
# Copyright (c) 2025 PaddlePaddle Authors. All Rights Reserved.
|
||
#
|
||
# Licensed under the Apache License, Version 2.0 (the "License"
|
||
# you may not use this file except in compliance with the License.
|
||
# You may obtain a copy of the License at
|
||
#
|
||
# http://www.apache.org/licenses/LICENSE-2.0
|
||
#
|
||
# Unless required by applicable law or agreed to in writing, software
|
||
# distributed under the License is distributed on an "AS IS" BASIS,
|
||
# WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
|
||
# See the License for the specific language governing permissions and
|
||
# limitations under the License.
|
||
"""
|
||
|
||
import base64
|
||
from io import BytesIO
|
||
from pathlib import Path
|
||
|
||
import numpy as np
|
||
import numpy.typing as npt
|
||
|
||
from .base import MediaIO
|
||
|
||
# TODO 多模数据处理
|
||
# try:
|
||
# import librosa
|
||
# except ImportError:
|
||
# librosa = PlaceholderModule("librosa") # type: ignore[assignment]
|
||
|
||
# try:
|
||
# import soundfile
|
||
# except ImportError:
|
||
# soundfile = PlaceholderModule("soundfile") # type: ignore[assignment]
|
||
|
||
|
||
def resample_audio(
|
||
audio: npt.NDArray[np.floating],
|
||
*,
|
||
orig_sr: float,
|
||
target_sr: float,
|
||
) -> npt.NDArray[np.floating]:
|
||
"""
|
||
将音频数据从原始采样率（`orig_sr`）重采样到目标采样率（`target_sr`）。
|
||
|
||
Args:
|
||
audio (npt.NDArray[np.floating]): 带有单通道浮点型音频数据的 numpy ndarray，形状为 `(samples,)`。
|
||
orig_sr (float): 音频数据的原始采样率。
|
||
target_sr (float): 需要转换到的目标采样率。
|
||
|
||
Returns:
|
||
npt.NDArray[np.floating]: 带有单通道浮点型音频数据的 numpy ndarray，形状为 `(samples,)`，已经被重采样到目标采样率。
|
||
|
||
Raises:
|
||
None.
|
||
"""
|
||
import librosa
|
||
|
||
return librosa.resample(audio, orig_sr=orig_sr, target_sr=target_sr)
|
||
|
||
|
||
class AudioMediaIO(MediaIO[tuple[npt.NDArray, float]]):
|
||
def load_bytes(self, data: bytes) -> tuple[npt.NDArray, float]:
|
||
"""
|
||
加载字节数据，返回音频信号和采样率。
|
||
参数：
|
||
data (bytes) - 字节数据，包含音频文件的内容。
|
||
返回值（tuple）：
|
||
(array, float) - 第一个元素是一个numpy数组，表示音频信号，第二个元素是一个浮点数，表示采样率。
|
||
如果解码失败，则返回 None。
|
||
"""
|
||
import librosa
|
||
|
||
return librosa.load(BytesIO(data), sr=None)
|
||
|
||
def load_base64(
|
||
self,
|
||
media_type: str,
|
||
data: str,
|
||
) -> tuple[npt.NDArray, float]:
|
||
"""
|
||
将 base64 编码的字符串转换为 numpy 数组和尺度。
|
||
|
||
Args:
|
||
media_type (str): 媒体类型，例如 'image/jpeg'、'image/png' 等。
|
||
data (str): base64 编码的字符串，表示图像或其他二进制数据。
|
||
|
||
Returns:
|
||
tuple[npt.NDArray, float]: 包含以下两个元素：
|
||
- npt.NDArray: 形状为（H，W，C）的 numpy 数组，表示图像或其他二进制数据。
|
||
- float: 图像的尺度，单位为像素。
|
||
|
||
Raises:
|
||
ValueError: 当 media_type 不是有效的媒体类型时引发。
|
||
"""
|
||
return self.load_bytes(base64.b64decode(data))
|
||
|
||
def load_file(self, filepath: Path) -> tuple[npt.NDArray, float]:
|
||
"""
|
||
加载音频文件，返回音频数据和采样率。
|
||
参数：
|
||
filepath (Path): 音频文件路径（Path类型）。
|
||
返回值：
|
||
tuple[npt.NDArray, float]：包含两个元素的元组，第一个是音频数据（npt.NDArray类型），
|
||
第二个是采样率（float类型）。
|
||
"""
|
||
import librosa
|
||
|
||
return librosa.load(filepath, sr=None)
|
||
|
||
def encode_base64(self, media: tuple[npt.NDArray, float]) -> str:
|
||
"""
|
||
将音频数据和采样率转换为Base64编码的字符串。
|
||
参数：
|
||
media (tuple[numpy.ndarray, float]): 包含音频数据和采样率的元组，其中音频数据是一个numpy数组，采样率是一个浮点数。
|
||
返回值 (str): Base64编码的字符串，表示音频数据和采样率。
|
||
"""
|
||
audio, sr = media
|
||
|
||
with BytesIO() as buffer:
|
||
import soundfile
|
||
|
||
soundfile.write(buffer, audio, sr, format="WAV")
|
||
data = buffer.getvalue()
|
||
|
||
return base64.b64encode(data).decode("utf-8")
|