使用FFmpeg直接解码μ-law编码音频缓冲区：Python实现教程

import subprocess
import numpy as np
import io

def ffmpeg_read_mulaw(bpayload: bytes, sampling_rate: int) -> np.array:
    """
    通过FFmpeg解码μ-law编码的音频缓冲区数据。

    Args:
        bpayload (bytes): μ-law编码的原始音频字节数据。
        sampling_rate (int): 音频的采样率，例如 8000 Hz。

    Returns:
        np.array: 解码后的音频数据，为32位浮点数NumPy数组。

    Raises:
        ValueError: 如果FFmpeg未找到或解码失败。
    """
    ar = f"{sampling_rate}"
    ac = "1"  # 假设是单声道
    format_for_conversion = "f32le" # 输出为32位小端浮点数格式

    ffmpeg_command = [
        "ffmpeg",
        "-f",
        "mulaw",  # 关键：指定输入格式为mulaw
        "-ar",
        ar,       # 指定输入采样率
        "-ac",
        ac,       # 指定输入声道数
        "-i",
        "pipe:0", # 从标准输入读取数据
        "-b:a",   # 可选：设置音频比特率，确保输出质量
        "256k",   # 示例比特率
        "-f",
        format_for_conversion, # 指定输出格式
        "-hide_banner",         # 隐藏FFmpeg启动时的版权信息
        "-loglevel",
        "quiet",                # 静默输出，只显示错误
        "pipe:1",               # 输出到标准输出
    ]

    try:
        # 使用subprocess.Popen启动FFmpeg进程
        # stderr=subprocess.PIPE 用于捕获FFmpeg的错误输出
        with subprocess.Popen(
            ffmpeg_command, stdin=subprocess.PIPE, stdout=subprocess.PIPE, stderr=subprocess.PIPE
        ) as ffmpeg_process:
            # 将μ-law数据写入FFmpeg的标准输入，并读取其标准输出
            output_stream, error_stream = ffmpeg_process.communicate(bpayload)
            # 检查FFmpeg进程的返回码
            if ffmpeg_process.returncode != 0:
                raise ValueError(f"FFmpeg process failed with error: {error_stream.decode()}")

    except FileNotFoundError as error:
        raise ValueError("ffmpeg was not found but is required to load audio files.") from error
    except Exception as e:
        raise ValueError(f"An unexpected error occurred during FFmpeg execution: {e}")

    out_bytes = output_stream
    audio = np.frombuffer(out_bytes, np.float32)

    if audio.shape[0] == 0:
        raise ValueError("Failed to decode mu-law encoded data with FFMPEG. Output buffer is empty.")

    return audio

# 示例：一个简短的μ-law编码字节序列
# 实际应用中，mu_encoded_data 通常来自网络socket接收到的原始字节流
# 或者从文件中读取的特定部分（如果文件格式已知是纯mulaw）。
# 这里的示例数据是随机构造的，实际音频数据会更长。
mu_encoded_data = b"\x7F\xFF\x80\x01\x7F\xFF\x00\x02\x7E\xFE\x81\x03\x7D\xFD\x82\x04"
sampling_rate = 8000 # μ-law编码通常在8000 Hz下使用

try:
    decoded_audio_array = ffmpeg_read_mulaw(mu_encoded_data, sampling_rate)
    print("成功解码μ-law音频数据：")
    print(decoded_audio_array)
    print(f"数据类型: {decoded_audio_array.dtype}")
    print(f"数据形状: {decoded_audio_array.shape}")
except ValueError as e:
    print(f"解码失败: {e}")