# pilk **Repository Path**: izqutcn/pilk ## Basic Information - **Project Name**: pilk - **Description**: No description available - **Primary Language**: Unknown - **License**: GPL-3.0 - **Default Branch**: main - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 0 - **Created**: 2024-10-24 - **Last Updated**: 2024-10-24 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # pilk python silk codec binding 支持微信语音编解码 pilk: python + silk 关联项目: [weixin-wxposed-silk-voice](https://github.com/foyoux/weixin-wxposed-silk-voice) ## 安装 [![python version](https://img.shields.io/pypi/pyversions/pilk)](https://pypi.org/project/pilk/) [![downloads](https://static.pepy.tech/personalized-badge/pilk?period=total&units=international_system&left_color=black&right_color=orange&left_text=Downloads)](https://pepy.tech/project/pilk) ```bash pip install pilk ``` ## 介绍与说明 [**SILK**](https://en.wikipedia.org/wiki/SILK) 是一种语音编码格式，由 [**Skype**](https://en.wikipedia.org/wiki/Skype_Technologies) 公司研发，网上可找到的最新版本是 2012 发布的。 **SILK** 原始代码已上传到 [Release](https://github.com/foyoux/pilk/releases/tag/v0.0.1) , 包含规范文档 **Tencent** 系语音支持来自 [silk-v3-decoder](https://github.com/kn007/silk-v3-decoder) [Release ](https://github.com/foyoux/pilk/releases/tag/v0.0.1) 中也包含 [silk-v3-decoder](https://github.com/kn007/silk-v3-decoder) 重编译的 **x64-win** 版本，支持中文，[源代码](https://github.com/foyoux/silk-codec) ### **SILK** 编码格式 和 **Tencent** 系语音的关系： > 此处 **Tencent** 系语音，仅以微信语音为例 1. 标准 **SILK** 文件以 `b'#!SILK_V3'` 开始，以 `b'\xFF\xFF'` 结束，中间为语音数据 2. 微信语音文件在标准 **SILK** 文件的开头插入了 `b'\x02'`，去除了结尾的 `b'\xFF\xFF'`，中间不变 > 已下统称为语音文件 ### 语音数据 语音数据分为很多个独立 **frame**，每个 **frame** 开头两字节存储剩余 **frame** 数据的大小，每个 **frame** 默认存储 **20ms** 的音频数据 据此可写出获取 **语音文件** 持续时间(duration) 的函数（此函数 **pilk** 中已包含） ```python def get_duration(silk_path: str, frame_ms: int = 20) -> int: """获取 silk 文件持续时间，单位：ms""" with open(silk_path, 'rb') as silk: tencent = False if silk.read(1) == b'\x02': tencent = True silk.seek(0) if tencent: silk.seek(10) else: silk.seek(9) i = 0 while True: size = silk.read(2) if len(size) != 2: break i += 1 size = size[0] + size[1] * 16 silk.seek(silk.tell() + size) return i * frame_ms ``` 根据 **SILK** 格式规范，**frame_ms** 可为 `20, 40, 60, 80, 100` ## 快速入门 > 详情请在 IDE 中查看 API 文档注释 在使用 **pilk** 之前，你还需清楚 **音频文件 `mp3, aac, m4a, flac, wav, ...`** 与 **语音文件** 之间的转换是借助 [**PCM raw data**](https://en.wikipedia.org/wiki/Pulse-code_modulation) 完成的 具体转换关系：音频文件 ⇔ PCM ⇔ 语音文件 1. 音(视)频文件 ➜ PCM > 借助 ffmpeg，你当然需要先有 [ffmpeg](https://www.ffmpeg.org/download.html) ```bat ffmpeg -y -i <音(视)频输入文件> -vn -ar <采样率> -ac 1 -f s16le ``` 1. `-y`: 可加可不加，表示 已存在时不询问，直接覆盖 2. `-i`: 没啥好说的，固定的，后接 <音(视)频输入文件> 3. `-vn`: 表示不处理视频数据，建议添加，虽然不加也不会处理视频数据（视频数据不存在转PCM的说法），但可能会打印警告 4. `-ar`: 设置采样率，可选的值是 [8000, 12000, 16000, 24000, 32000, 44100, 48000], 这里你可以直接理解为声音质量 5. `-ac`: 设置声道数，在这里必须为 **1**，这是由 **SILK** 决定的 6. `-f`: 表示强制转换为指定的格式，一般来说必须为 **s16le**, 表示 `16-bit short integer Little-Endian data` 7. example1: `ffmpeg -y -i mv.mp4 -vn -ar 44100 -ac 1 -f s16le mv.pcm` 8. example2: `ffmpeg -y -i music.mp3 -ar 44100 -ac 1 -f s16le music.pcm` 2. PCM ➜ 音频文件 ```bat ffmpeg -y -f s16le -i -ar <采样率> -ac <声道数> <音频输出文件> ``` 1. `-f`: 这里必须为 `s16le`, 同样也是由 **SILK** 决定的 2. `-ar`: 同上 3. `-ac`: 含义同上，值随意 4. `<音频输出文件>`: 扩展名要准确，没有指定格式时，**ffmpeg** 会根据给定的输出文件扩展名来判断需要输出的格式 5. example3: `ffmpeg -y -f s16le -i test.pcm test.mp3` > ffmpeg 也可以使用 python ffmpeg binding 替换，推荐 [PyAV](https://github.com/PyAV-Org/PyAV) 大家自行研究，这里不再啰嗦。 讲完了 音频文件 ⇔ PCM，接下来就是用 **pilk** 进行 PCM ⇔ 语音文件 互转 ### silk 编码 ```python import pilk # pcm_rate 参数必须和 使用 ffmpeg 转 音频 到 PCM 文件时，使用的 `-ar` 参数一致 # pcm_rate 参数必须和 使用 ffmpeg 转 音频 到 PCM 文件时，使用的 `-ar` 参数一致 # pcm_rate 参数必须和 使用 ffmpeg 转 音频 到 PCM 文件时，使用的 `-ar` 参数一致 duration = pilk.encode("test.pcm", "test.silk", pcm_rate=44100, tencent=True) print("语音时间为:", duration) ``` ### silk 解码 ```python import pilk # pcm_rate 参数必须和 使用 ffmpeg 转 音频 到 PCM 文件时，使用的 `-ar` 参数一致 duration = pilk.decode("test.silk", "test.pcm") print("语音时间为:", duration) ``` ## 使用 Python 转任意媒体文件到 SILK 使用 [pudub](https://github.com/jiaaro/pydub) 依赖 [ffmpeg](https://www.ffmpeg.org/) ```python import os, pilk from pydub import AudioSegment def convert_to_silk(media_path: str) -> str: """将输入的媒体文件转出为 silk, 并返回silk路径""" media = AudioSegment.from_file(media_path) pcm_path = os.path.basename(media_path) pcm_path = os.path.splitext(pcm_path)[0] silk_path = pcm_path + '.silk' pcm_path += '.pcm' media.export(pcm_path, 's16le', parameters=['-ar', str(media.frame_rate), '-ac', '1']).close() pilk.encode(pcm_path, silk_path, pcm_rate=media.frame_rate, tencent=True) return silk_path ``` 使用 [pyav](https://github.com/PyAV-Org/PyAV) **推荐** ```python import os import av import pilk def to_pcm(in_path: str) -> tuple[str, int]: """任意媒体文件转 pcm""" out_path = os.path.splitext(in_path)[0] + '.pcm' with av.open(in_path) as in_container: in_stream = in_container.streams.audio[0] sample_rate = in_stream.codec_context.sample_rate with av.open(out_path, 'w', 's16le') as out_container: out_stream = out_container.add_stream( 'pcm_s16le', rate=sample_rate, layout='mono' ) try: for frame in in_container.decode(in_stream): frame.pts = None for packet in out_stream.encode(frame): out_container.mux(packet) except: pass return out_path, sample_rate def convert_to_silk(media_path: str) -> str: """任意媒体文件转 silk, 返回silk路径""" pcm_path, sample_rate = to_pcm(media_path) silk_path = os.path.splitext(pcm_path)[0] + '.silk' pilk.encode(pcm_path, silk_path, pcm_rate=sample_rate, tencent=True) os.remove(pcm_path) return silk_path ```