Rdzleo
93f0e19d1d
ESP32-S3 吊坠设备固件，集成火山引擎 RTC 语音助手、蓝牙配网、 VEML7700 环境光传感器驱动及石头同频匹配交友功能。 VEML7700 驱动： - 基于 ESP-IDF i2c_master API 实现，复用项目 I2cDevice 基类 - 支持 ALS + White 双通道、自动量程、Vishay 非线性校正 - 3 次采样取中位数过滤偶发异常 石头同频匹配算法（双维度）： - 维度1：光谱比值 ALS/White（石头固有光学特征，不随光照强度变化） - 维度2：亮度等级（5级对数划分，排除极端环境差异） - 比值阈值 15%，实测同石头姿势变化波动 1.6%~9.6%，安全余量充足 Co-Authored-By: Claude Opus 4.6 (1M context) <noreply@anthropic.com>
95 lines
2.2 KiB
Markdown
95 lines
2.2 KiB
Markdown
# P3音频格式转换与播放工具
|
||
|
||
这个目录包含两个用于处理P3格式音频文件的Python脚本：
|
||
|
||
## 1. 音频转换工具 (convert_audio_to_p3.py)
|
||
|
||
将普通音频文件转换为P3格式（4字节header + Opus数据包的流式结构）并进行响度标准化。
|
||
|
||
### 使用方法
|
||
|
||
```bash
|
||
python convert_audio_to_p3.py <输入音频文件> <输出P3文件> [-l LUFS] [-d]
|
||
```
|
||
|
||
其中，可选选项 `-l` 用于指定响度标准化的目标响度，默认为 -16 LUFS；可选选项 `-d` 可以禁用响度标准化。
|
||
|
||
如果输入的音频文件符合下面的任一条件，建议使用 `-d` 禁用响度标准化：
|
||
- 音频过短
|
||
- 音频已经调整过响度
|
||
- 音频来自默认 TTS （小智当前使用的 TTS 的默认响度已是 -16 LUFS）
|
||
|
||
例如：
|
||
```bash
|
||
python convert_audio_to_p3.py input.mp3 output.p3
|
||
```
|
||
|
||
## 2. P3音频播放工具 (play_p3.py)
|
||
|
||
播放P3格式的音频文件。
|
||
|
||
### 特性
|
||
|
||
- 解码并播放P3格式的音频文件
|
||
- 在播放结束或用户中断时应用淡出效果，避免破音
|
||
- 支持通过命令行参数指定要播放的文件
|
||
|
||
### 使用方法
|
||
|
||
```bash
|
||
python play_p3.py <P3文件路径>
|
||
```
|
||
|
||
例如：
|
||
```bash
|
||
python play_p3.py output.p3
|
||
```
|
||
|
||
## 3. 音频转回工具 (convert_p3_to_audio.py)
|
||
|
||
将P3格式转换回普通音频文件。
|
||
|
||
### 使用方法
|
||
|
||
```bash
|
||
python convert_p3_to_audio.py <输入P3文件> <输出音频文件>
|
||
```
|
||
|
||
输出音频文件需要有扩展名。
|
||
|
||
例如：
|
||
```bash
|
||
python convert_p3_to_audio.py input.p3 output.wav
|
||
```
|
||
## 4. 音频/P3批量转换工具
|
||
|
||
一个图形化的工具，支持批量转换音频到P3，P3到音频
|
||
|
||
|
||
|
||
### 使用方法：
|
||
```bash
|
||
python batch_convert_gui.py
|
||
```
|
||
|
||
## 依赖安装
|
||
|
||
在使用这些脚本前，请确保安装了所需的Python库：
|
||
|
||
```bash
|
||
pip install librosa opuslib numpy tqdm sounddevice pyloudnorm soundfile
|
||
```
|
||
|
||
或者使用提供的requirements.txt文件：
|
||
|
||
```bash
|
||
pip install -r requirements.txt
|
||
```
|
||
|
||
## P3格式说明
|
||
|
||
P3格式是一种简单的流式音频格式，结构如下：
|
||
- 每个音频帧由一个4字节的头部和一个Opus编码的数据包组成
|
||
- 头部格式：[1字节类型, 1字节保留, 2字节长度]
|
||
- 采样率固定为16000Hz，单声道
|
||
- 每帧时长为60ms |