橋本商会

Rubyでwavファイルのフォーマットを読んだり、データチャンクを編集するためのgemを作った。

ベースは以前作ったやつで、ついでにwavファイル操作のサンプルをたくさん追加してrubygems.orgに登録しておいた。
あくまでサーバーで音を合成して返すようなwebサービスで使う事を想定している物で、マイクからの入力をリアルタイムに音声処理するための物ではない。

■インストール

gem install wav-file

■使う

フォーマットとデータチャンクを読む

require 'rubygems'

require 'wav-file'



f = open("input.wav")

format = WavFile::readFormat(f)

dataChunk = WavFile::readDataChunk(f)

f.close



puts format

するとこんな感じにフォーマットが取れる。

Format ID:      1

Channels:       2

Sampling Ratio: 48000 (Hz)

Byte per Sec:   192000

Bit per Sample: 16 

Block Size:     4

バイナリからwavの波形を配列として取り出す

bit = 's*' if format.bitPerSample == 16 # int16_t

bit = 'c*' if format.bitPerSample == 8 # signed char

wavs = dataChunk.data.unpack(bit) # read binary

音量を半分にしてみる

wavs = wavs.map{|w| w/2}

逆再生にして、バイナリに戻す

dataChunk.data = wavs.reverse.pack(bit) # reverse

wavファイルに保存する

open("output.wav", "w"){|out|

  WavFile::write(out, format, [dataChunk])

}

samplesディレクトリの中に色々と例を入れておいた。githubからも見れる。

• 音量が小さいのを大きくする
• 左右チャンネルを分けて保存する
• wavファイル同士を連結する
• wavファイル同士を重ねて同時に鳴らす
• 再生速度を上げる
• 波形をグラフにする

とかまあ色々入れておいた。


■tips
使う前にwavファイルのフォーマットについて理解しておいた方が良いかもしれない。
wav ファイルフォーマットが参考になる。


あと、複数のwavファイルを合成して新しいファイルを作る場合、操作する前にffmpegでformatを揃えた方が良い。その方が楽だし高速。
adjust_wav_format.rbにやり方を書いておいた。

サンプルを実行するのに必要なwavも、ffmpegでmp3とかから変換して作れる。

ffmpeg -i input.mp3 -ac 2 -ar 44100 output.wav

音量の小さいwavファイルのボリュームを上げる。上げすぎて音割れしないようにする。

前に作ったWavFile.rbを使ったら簡単にできた

• 橋本商会 Rubyでwavファイルをいじる WavFile.rbを作った

16ビットwavは+-32768、8ビットwavは+-128の範囲の配列で波形が表現されている。
ソースのwavの波形を配列に取り出して、その中で最大の値を取りだし、全体を何倍すれば+-32768の間になるかの倍率を計算して全部かけ算すれば音量を調整できる。

maximizeVolume.rb

#!/usr/bin/env ruby

# -*- coding: utf-8 -*-

# wavの音量を最大に調節する

require File.dirname(__FILE__) + '/WavFile'



if ARGV.size < 2

  puts 'ruby maximizeVolume.rb input.wav output.wav'

  exit 1

end



in_file = ARGV.shift

out_file = ARGV.shift



format, data = WavFile::read open(in_file)



puts format.to_s



bit = 's*' if format.bitPerSample == 16 # int16_t

bit = 'c*' if format.bitPerSample == 8 # signed char

wavs = data.data.unpack(bit)



puts "このwav中の最大音量: #{wavs.max}"



volume_ratio = 32768/wavs.max.to_f if format.bitPerSample == 16

volume_ratio = 128/wavs.max.to_f if format.bitPerSample == 8

puts "補正倍率: #{volume_ratio}"



wavs_fixed = wavs.map{|w|

  (w*volume_ratio).to_i

}

puts "補正されたwav中の最大音量: #{wavs_fixed.max}"



data.data = wavs_fixed.pack(bit)



open(out_file, "w"){|out|

  WavFile::write(out, format, [data])

}

使う

ruby maximizeVolume.rb input.wav out.wav

約24倍されてout.wavに保存された

フォーマットID: 1

チャンネル数: 1

サンプリングレート: 44100 (Hz)

byte per sec: 88200

bit per sample: 16 

ブロックサイズ: 2

このwav中の最大音量: 1335

補正倍率: 24.5453183520599

補正されたwav中の最大音量: 32768

gemにしました → 橋本商会 wavファイルをRubyで編集する

*****

Rubyでwavファイルを操作するためにWavFile.rbを作った。スピーカから音を鳴らすのではなくて、wavファイルそのものをいじって合成したりつなげたり、逆再生や左右反転させたりした後ファイルに書き出す為に作った。

packやunpackを使ってRubyでバイナリを読み書きする部分でかなり苦戦したけど、WAVファイル – MoonRock@MoonRock/A mere diary (2002-2)（7年も前に同じような事やってる！）がすごく参考になった。attr_accessorとかも知らなかったから勉強になった。


http://shokai.org/projects/ruby-wavfile/にサンプルを色々置いておく。


例えば、逆再生のwavファイルを作るコードはこう書ける
reverseWav.rb

#!/usr/bin/env ruby

# -*- coding: utf-8 -*-

# wavファイルを逆再生にして保存する

# ステレオの場合、左右チャンネルが入れ替わってしまうがまあいい

require File.dirname(__FILE__) + '/WavFile'



if ARGV.size < 2

  puts 'ruby reverseWav.rb input.rb output.wav'

  exit 1

end



f = open(ARGV.shift)

format, chunks = WavFile::readAll(f)

f.close



puts format.to_s



dataChunk = nil

chunks.each{|c|

  puts "#{c.name} #{c.size}"

  dataChunk = c if c.name == 'data' # 波形の入っているchunkを探す

}

if dataChunk == nil

  puts 'no data chunk'

  exit 1

end



# 波形をいじる

bit = 's*' if format.bitPerSample == 16 # int16_t

bit = 'c*' if format.bitPerSample == 8 # signed char

wavs = dataChunk.data.unpack(bit) # 16bit or 8bitずつbinaryから読み出し

dataChunk.data = wavs.reverse.pack(bit) # 逆再生、binaryに戻す



open(ARGV.shift, "w"){|out|

  WavFile::write(out, format, [dataChunk])

}

波形部分をRubyの配列として取り出して処理する。ファイルに戻す部分はWavFile.rbがやってくれるようにした。

実行

ruby reverseWav.rb test.wav reverse.wav

結果

フォーマットID: 1

チャンネル数: 1

サンプリングレート: 8000 (Hz)

byte per sec: 16000

bit per sample: 16 

ブロックサイズ: 2

data 4077172

主にできる事と、処理の手順はこんな感じ

1. wavファイルのファイルヘッダ、フォーマットチャンク、データチャンクをメモリに読み込む。WavFile.rbではファイルヘッダとフォーマットチャンクをまとめて管理するためにWavFile::Formatクラスを作ってある。
2. データチャンクを波形として扱う処理は時前でやってください。ステレオ・モノラルやbpsなどのフォーマットが全て読み込まれているのでそんなに大変ではないはず。format.bitPerSampleやunpackを使う。ただしCPUのエンディアンが違うとおかしくなるかも。
3. 最後にいじったデータチャンクをpackでバイト列に戻して、ファイルヘッダと合わせてwavファイルに戻す。

上の例ではWavFile::readAllを使ってフォーマットと全チャンクを読み込んでいるけど、wavファイルにはデータチャンク(波形)以外のチャンクもある。でもデータチャンクとフォーマットさえあれば後は必要ない場合が多いので、フォーマットとデータチャンクのみを取り出す関数も用意してある。

require 'WavFile'

File.open("test.wav"){|file|

  format = WavFile::readFormat(file)

  dataChunk = WavFile::readDataChunk(file)

}

タプルを使ってこう受け取る事もできる

format, dataChunk = WavFile::read(file)

wavファイルへ保存

open("out.wav"){|out|

  WavFile.write(out, format, [dataChunk])

}

他にも色々やった。下にいくほど新しい。
上の方はWavFile.rbのバージョンが古い頃の物なので読み書きまわりが少し違うかもしれないが、解説が書いてあるので列挙しておく。最新のWavFile.rbで動くコードはリポジトリに置いておく

• wavファイルのヘッダを読み込む
• wavファイルのフォーマットを読み込む
• wavファイルのフォーマットを書き換えて倍速再生にする
• wavファイルを複数つなげる
• 逆再生するwavを作る
• wavファイルを左チャンネルのみ、右チャンネルのみにする
• wavファイルの波形を見てみる
• wavファイル同士を重ねて合成する
• wavファイルのdata chunkを取り出す

wavファイルの扱いについては、C言語で書かれたこの本を参考にした。この本ではファイルを先頭からseekして逐次処理して結果をwavファイルとして書き込んでいる。
でもwavファイルなんて数百MB程度だから、WavFile.rbではメモリ上で処理した方が後々便利そうだから今回は富豪的に全部メモリに読み込むようにした。



作ってる時に大変だったのは音を出さないとデバッグできないので電車の中で作業するためにイヤホンは必須。
バイナリとRubyのオブジェクトとのやりとりの部分は音で聞いてもなんだかわからない時もあるので、putsで波形を数字としてdumpしてエクセルで描画すると原因がすぐわかる。

元サーバーマシンを、開発用のデスクトップマシンにした。
Windowsをインストールするとすんなりいくらしいんだけど、64bit版Ubuntuで音を出そうとすると大変だった。
PCIスロットが3.3V用で、5V用のサウンドカードだと切り欠きが合わなくて刺さらない。そして刺さっても64bitでのまともなサウンドドライバが無くて音がホワイトノイズだらけになる。

このUSBスピーカーを刺して他のサウンドデバイスを刺さないようにすれば音が出る。音質はたぶんそんなに良くないけど。

他にも、Creative Sound Blaster 5.1 VXを使うと音が全部ホワイトノイズになってしまうが、

alsamixer -Dpulse

alsamixer -Dhw

で音量をギリギリまで絞ると一応聞こえなくもなかった。
参考：[ubuntu-jp:1749] Jaunty において Creative Sound Blaster 5.1 VX 上で再生する音声が全てホワイトノイズに


あとはAppleのMac用の小さいキーボードと、Microsoftの光学式マウスの安い奴を使ってる。

xtel technical information ＞ learning＞ Sound Writeより

moxaとスピーカを直結させて、soundWrite(ピン番号, 周波数)関数を使うと音が出せる





センサと組み合わせるとインタラクティブに音階を変えられる。CdSという明度センサを使っている