Read and Play Audio in MATLAB

Jan. 14, 2023

在MATLAB中，用户可以使用audioinfo函数获得声音文件的信息；使用audioread函数从声音文件中读取数据，并使用sound函数播放声音。

首先从网易云音乐上下载一个.mp3后缀的音乐文件wanfeng.mp3，使用audioinfo函数获取它的信息：

1
2
3
4
5
6
7
8
9
10
11
12
13
14

>> ainfo = audioinfo("wanfeng.mp3")
ainfo = 
  struct with fields:
             Filename: 'C:\Users\Tsing\Desktop\huogai\wanfeng.mp3'
    CompressionMethod: 'MP3'
          NumChannels: 2
           SampleRate: 44100
         TotalSamples: 8940671
             Duration: 2.027363000000000e+02
                Title: '晚风'
              Comment: '163 key(Don't modify):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'
               Artist: '7copy'
              BitRate: 320

其中：

  • CompressionMethod字段，表示该声音文件采用MP3（Moving Picture Experts Group Audio Layer III，动态影像专家压缩标准音频层面3）音频压缩技术；

  • NumChannels字段，表示这是一个左右双通道的音频文件；

  • SampleRate字段，表示音频信号采样率，单位是Hz；

  • Duration字段，表示音频时长；

  • TotalSamples字段，表示音频文件总的采样点数，等于SampleRate字段和Duration字段的乘积，即：

    1
2
3

    >> ainfo.SampleRate*ainfo.Duration-ainfo.TotalSamples
ans =
  -0.169999999925494

  • BitRate表示音频压缩文件的千比特率（kbit/s），只对MP3文件（.mp3文件）和MPEG-4 Audio（.m4a，.mp4）文件有效；

接下来使用audioread函数将音频文件中的数据读取到MATLAB工作空间中：

1

[data, fs] = audioread("wanfeng.mp3");

1
2
3
4

>> whos
  Name            Size                Bytes  Class     Attributes
  data      8940144x2             143042304  double              
  fs              1x1                     8  double

其中：

  • data是一个两通道的音频数据矩阵：

    image-20230114190256022

    此时我们并没有指定audioread函数的dataType属性，因此data的数据类型是默认的double，并且数据矩阵中的元素是标准化后的值，从[-1, 1]取值。若设置audioread函数的dataType属性为'native'：

    1

    [data, fs] = audioread("wanfeng.mp3", 'native');

    1
2
3
4

    >> whos
  Name            Size               Bytes  Class     Attributes
  data      8940144x2             71521152  single              
  fs              1x1                    8  double

    此时的data变量就是single类型，由上图可以看到，data变量中的元素仍然从[-1,1]取值。但是对于其他类型的音频文件并不总是这样的取值范围。

  • fs，表示采样率，值为44100，单位是Hz；

    注：44100Hz，即44.1kHz是一个常用的音频采样率，其他常用的采样率还有：

    image-20230114193835323

    （sound: Sample rate - MathWorks）

得到音频数据data和采样率fs后，就可以使用sound函数播放声音：

1

sound(data, fs)

注：这里采用与音频文件一致的采样率播放，除此之外还可以使用不同的采样率播放，已达到放慢音频播放或者加快音频播放的效果。

仅仅只播放一个声道的音频也是可以的：

1

sound(data(:,1), fs) % left channel

1

sound(data(:,2), fs) % right channel

如果想要终止声音，需要在命令行窗口中输入命令：

1

>> clear sound

并且，还可以绘制一下两个通道的音频波形（Read and Write Audio Files: Plot Audio Data - MathWorks）：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21

clc, clear, close all

ainfo = audioinfo("wanfeng.mp3");

[data, fs] = audioread("wanfeng.mp3", 'native');

t = 0:1/fs:floor(ainfo.Duration);
t = t(1:end-1);

data = data(1:numel(t),:);

figure
hold(gca, "on")
box(gca, "on")
grid(gca, "on")
plot(t, data(:,1), DisplayName="left-channel")
plot(t,  data(:,2), DisplayName="right-channel")
legend()
xlim([t(1), t(end)])
xlabel('Time')
ylabel('Audio Signal')

image-20230114193236012