Was ist eine WAV-Datei

Die WAV-Datei, auch Wave oder Wave-Datei genannt, ist ein Audio-Dateiformat, welche bis zu 4 GB groß sein kann. Während MP3-Dateien verlustbehaftet komprimiert sind, kann ein WAV.Kontainer unkomprimierte PCM-Rohdaten enthalten.

Der Name der WAV-Datei ist vom englischen Begriff „wave“ abgeleitet und bedeutet „Welle“. Sie können mit Python Audio Dateien im WAV-Format erstellen. Quelle: Pixabay

Python Audio Datei erhalten (3 Methoden)

Drei der praktischsten Methoden um aus einem Array eine WAV-Datei zu erstellen sind:

• Scipy ist für den wissenschaftlichen Gebrauch konzipiert. Die Bibliothek glänzt durch ihre Einfachheit und Genauigkeit.
• Das waveModul ist bereits in Python enthalten und benötigt keine zusätzlichen Bibliotheken.
• Soundfile ist ebenfalls schnell, einfach und vielseitig.

Python Audio — Sinus erstellen

Um eine WAV-Datei zu erhalten, benötigen Sie zunächst ein NumPy-Array. In diesem sind mehrdimensional Daten gespeichert. Die Daten in einem Array lassen sich als Graph darstellen oder als Audio abspielen. Ein Ton kann entstehen, wenn die Daten sich in gleichmäßigen Abständen wiederholen. Das nennt man Periodizität. Nicht-periodische Daten können auch als Audio abgespielt werden, klingen für das menschliche Ohr allerdings wie Rauschen.

import numpy as np 

samplerate = 44100

def signal(f=440, s=1, A=1, fileformat=np.int16):
    t = np.linspace(0, s, int(s*samplerate), endpoint=False) 
    amplitude = (np.iinfo(fileformat).max)*A
    sine = amplitude * np.sin(2*np.pi*f*t)
    return sine.astype(fileformat)

Dieser Quelltext definiert die Funktion signal(). Diese können Sie mit beliebigen Werten aufrufen. Die Funktion gibt ein Array mit den Werten eines Sinus zurück. Die wichtigsten Werte sind:

• f die Frequenz und somit Tonhöhe des Sinus.
• s die Länge des Sinus in Sekunden.
• A die Amplitude, sie beeinflusst wie die Lautstärke des Signals vom Computer gelesen wird. A=1 ist in diesem Fall der höchstmögliche Wert des Dateiformates und A=0 wäre Stille.
• fileformat die Art der Enkodierung beziehungsweise die Bit-Tiefe. Geben Sie hier np.int16 für 16-Bit PCM, np.int32 für 32-Bit PCM oder np.uint8 für unsignierte 8-Bit PCM Enkodierung an.

In einem eigenen Artikel erklären wir ausführlich, wie Sie in Python einen Sinus plotten und abspielen.

Python Audio — Datei erhalten mit SciSciPy

SciPy ist eine Python Bibliothek. Sie ist für die Anwendung im wissenschaftlichen Bereich gedacht und hat viele nützliche Funktionen. Eine davon ist die write Funktion aus dem Modul scipy.io.wavfile(). Mit diesem Modul können Sie Eingangsdaten erstellen und Ausgangsdaten auslesen.

from scipy.io.wavfile import write
sine=signal(f=440, s=1, A=0.5, fileformat=np.int16)
write('python_audio.wav', samplerate, sine.astype(np.int16))

Importieren Sie zunächst das Modul mit from scipy.io.wavfile import write.
Rufen Sie dann sine=signal(f=440, s=1, A=0.5) mit den gewünschten Werten auf. Geben Sie im Anschluss einen Namen für die Datei ein. Beachten Sie, den Namen in Anführungszeichen zu setzen und mit .wav zu beenden. Fügen Sie die Variable für die samplerate hinzu und geben Sie mit sine.astype(np.int16) die Enkodierungsform an — in diesem Fall 16-bit PCM.
Die Funktion sollte dann eine Datei mit dem gewählten Namen im gleichen Ordner abspeichern, in dem das Programm gelaufen ist.

Python Audio — waveModul

Sollten Sie keine Lust haben weitere Bibliotheken zu installieren ist hier ein weiterer Weg in Python eine Audio-Datei zu erhalten: Das in Python eingebaute wave-Modul.

import wave 

sine=signal(f=440, s=1, A=0.5, fileformat=np.int16)

filename = 'python_audio.wav' 

with wave.open(filename, 'wb') as wf:
    wf.setnchannels(1)  
    wf.setsampwidth(2) 
    wf.setframerate(samplerate)
    wf.writeframes(sine.tobytes())

Importieren Sie zuerst das wave Modul. Legen Sie im Anschluss den Namen der Datei in der Variable filename fest.
Nutzen Sie die wave.open() Funktion:

• Um mit wf.setnchannels(1) die Menge der Ausgangs-Kanäle festzulegen. Wenn Sie einen einzelnen Kanal einstellen, wie in diesem Fall, wird die Datei in Mono gespeichert.
• Legen Sie mit wf.setsampwidth(2) die Bit-Tiefe fest. Ein Wert von 2 bedeutet eine Bit-Tiefe von 16, 4 wären 32 Bit. Da das Sinus-Array auch mit 16-Bit gespeichert wurde, bietet sich 16 Bit hier an.
• Bei wf.setframerate() reicht es, wenn Sie die vorher festgelegte samplerate Variable angeben.
• Schreiben Sie dann mit wf.writeframes(sine.tobytes()) das Sinus-Array auf eine WAV-Datei.

Python Audio — Das Soundfile Modul

Die write Funktion des Soundfile Moduls eignet sich ebenfalls, um in Python Audio-Dateien zu erhalten.

import soundfile as sf

sine=signal(f=440, s=1, A=0.5, fileformat=np.int16)

filename = 'python_audio.wav'
sf.write(filename, sine, samplerate)

Installieren Sie dafür zuerst das Modul. Importieren Sie es dann mit import soundfile as sf. Legen Sie den Dateinamen fest und speichern Sie ihn in der Variable filename.
Schreiben Sie nun mit sf.write() unter Angabe dersamplerate das Sinus-Array als WAV-Datei. Das Modul übernimmt die Enkodierung von 16 Bit PCM aus dem Array. Diese haben Sie beim Aufrufen der Funktion signal() festgelegt.

Wie Sie sehen gibt es viele verschiedene Wege eine WAV-Datei in Python zu erzeugen. Je nach Anwendungsbereich können manche davon praktischer sein als andere. In einem weiteren Artikel zeigen wir Ihnen, wie Sie in Python Audio abspielen.

Der Beitrag Python Audio — Datei erhalten erschien zuerst auf SystMus.

Python, NumPy und Matplotlib

Um in Python eine Sinus-Kurve zu definieren, zu plotten und anhören zu können brauchen Sie die folgenden Dinge:

1. Die Programmiersprache Python. Sie glänzt durch ihre Vielseitigkeit und ihre große Auswahl an Bibliotheken. Die Systematische Musikwissenschaft verwendet Python zur Datenanalyse, als Basis für „Machine Learning“ oder zum Lösen von komplexen Rechenaufgaben.
2. Die Python-Bibliothek NumPy dient als Grundlage für Berechnungen. Sie bietet eine Vielzahl an mathematischen Operationen, die in Python nicht enthalten sind. Ein gängiges Kürzel für numpy ist np.
3. Matplotlib ist ebenfalls eine Python-Bibliothek und dient zum Darstellen von Grafiken und Diagrammen. Die Dimensionen und Seitenverhältnisse der Darstellung sind in Matplotlib sehr leicht anzupassen. Wir verwenden das Matplotlib-Modul pyplot, im Folgenden abgekürzt als plt.
4. IPython ist ein Interaktives Command-Line Interface und Teil der Entwicklungsumbgebung Jupyter. Es wird oft in der Datenanalyse verwendet und kann Audio abspielen.

Ein Python Sinus bei 440 Hz. Quelle: Matthis Nachtmann

Python Sinus — Funktion definieren

import numpy as np 
import matplotlib.pyplot as plt 
from IPython.display import Audio 

samplerate = 44100 

def signal(f = 440, s = 1, A = 1, phi = 1, cycles = 1):

Um den Python Sinus zu definieren  öffnen Sie zunächst Python in der Entwicklungsumgebung Jupyter Lab. Natürlich können Sie auch andere Umgebungen verwenden.  Stellen Sie sicher, dass Numpy und Matplotlib installiert sind. IPython ist bei Jupyter Lab bereits enthalten. Importieren Sie nun Numpy, Matplotlib und IPython. Legen Sie die samplerate fest und definieren Sie dann eine Funktion mittels def signal. Die Funktion kann später mit beliebigen Werten aufgerufen werden. Hier sind die ersten Zeilen zu sehen — den gesamten Quelltext finden Sie weiter unten.

Python Sinus — Parameter

Die Funktion haben Sie nun definiert, aber wofür sind die einzelnen Variablen zuständig? Die wichtigsten Werte für den Python Sinus sind:

• Der Parameter samplerate beschreibt die gleichnamige Samplerate. Diese bestimmt, wie viele Punkte pro Sekunde berechnet werden. Das ist entscheidend für die Auflösung der Funktion. Standard CD-Qualität ist 44.100 Hz. Nach dem Nyquist-Theorem liegt die höchste darstellbare Frequenz bei der Hälfte der samplerate , also in diesem Fall 22.050 Hz. Im Graphen ist die samplerate relevant für die Auflösung der Funktion, also wie akkurat sie dargestellt wird.
• Die Frequenz f bestimmt die Tonhöhe. Meistens wird die Frequenz in Hz (also Wiederholungen pro Sekunde) angegeben. Der für Menschen hörbare Bereich befindet sich etwa zwischen 20 Hz und 20.000 Hz.
• Die Zeit in Sekunden s: Dieser Parameter beschreibt die Dauer der Funktion in Sekunden. Die Zeit bestimmt außerdem die absolute Länge der x-Achse unseres Graphen.
• Die Amplitude A beschreibt die höchste Auslenkung des Sinus vom Nullpunkt und bestimmt die Lautstärke. Viele digitale Audio-Systeme erwarten einen Wert von null bis eins. Zum Anhören ist A = 1 deshalb die höchste sinnvolle Amplitude. A = 0 wäre Stille.
• Die Nullphase phi gibt an, in welcher Phase die Funktion anfängt. Wenn wir beispielsweise phi = 0.5 angeben, verschiebt sich der Anfang der Funktion um einen halben Zyklus.
• Die angezeigten Zyklen cycles: Bei einer Frequenz von 440 Hz durchläuft der Sinus in einer Sekunde 440 Zyklen. Um den Sinus aus der Nähe betrachten zu können, ohne die Gesamtlänge des Arrays zu reduzieren, gibt es den Parameter cycles. Wenn cycles = 1 ist, wird genau ein Zyklus des Sinus angezeigt.

Python Sinus — Rechnungen

Die wichtigsten Parameter der Funktion für den Python Sinus sind nun geklärt. Fügen Sie nun in den nächsten Zeilen die nötigen Formeln hinzu:

t = np.linspace(0, s, int(T*samplerate), endpoint=False)

Benutzen Sie np.linspace, um ein Array zu erzeugen. Diese NumPy-Funktion erzeugt Punkte mit gleichem Abstand zwischen dem Startpunkt (0) und dem Endpunkt (s). Wie viele Punkte erzeugt werden, ist abhängig von der samplerate, welche Sie bereits am Anfang definiert haben. Nehmen Sie mit endpoint=False den Endpunkt heraus, damit er nicht selbst mitgezählt wird.

sine = A * np.sin(2 * np.pi * f * t - 2 * np.pi * phi)

Hier kommen die Parameter von oben wieder ins Spiel. Die Amplitude A steht als Faktor vor dem Rest der Funktion. Verwenden Sie die NumPy-Funktion np.sin, um den Sinus zu erzeugen. Für π (pi) gibt es die Funktion np.pi. Die Variable f ist die Frequenz. Die Variable t repräsentiert das Array von der Zeile darüber. Alles hinter dem Minus ist für die Phasenverschiebung zuständig: Der Sinus verschiebt sich entlang der x-Achse um einen Zyklus nach rechts, wenn in der Klammer 2*np.pi abgezogen wird. Dahinter steht der Faktor zur Phasenverschiebung phi, den Sie oben in der Funktion definiert haben.
Die Variable sine repräsentiert nun ein Numpy-Array in Form einer Sinusfunktion mit allen nötigen Parametern und kann als Graph dargestellt, abgespielt oder zu einer Audio-Datei umgewandelt werden.

Den Graphen erstellen

Inzwischen haben Sie ein Array, welches alle nötigen Daten für den Python Sinus enthält. Um dieses Array in einen Graphen zu verwandeln benötigen Sie einige Funktionen von Matplotlib.

plt.figure(figsize=(10, 6))
    plt.plot(t, sine)
    plt.title(f'Signal:{f} Hz, Amplitude:{A}, Nullphase:{phi}')
    plt.xlabel('Zeit (s)')
    plt.ylabel('Amplitude')
    plt.grid()
    plt.xlim(0, 1/(f/cycles))
    plt.ylim(-A-0.5, A+0.5)
    plt.axhline(0, color='black', lw=0.5, ls='--')
    plt.show() 

    return sine

• plt.figure ruft den Graphen auf. Verwenden Sie im Anschluss figsize, um die Größe des Graphen festzulegen.
• plt.plot legt die Achsen fest, in diesem Fall symbolisiert die x-Achse die Zeit. Auf den durch t festgelegten Punkten, also der samplerate, wird dann der Sinus abgebildet.
• plt.title bestimmt den Titel. Im Titel stehen alle Werte, die Sie beim Aufrufen der Funktion bestimmt haben.
• plt.xlabel und plt.ylabel: Legen Sie hiermit die jeweiligen Beschriftungen für die Achsen fest. Die x-Achse stellt die Zeit dar und die y-Achse die Auslenkung zum jeweiligen Zeitpunkt.
• plt.grid aktiviert die Hilfslinien. Damit lässt sich die Auslenkung besser ablesen.
• plt.xlim legt fest, wie viel vom Graph gezeigt wird. Mit der Rechnung 1/(f/cycles) können Sie einfach beim Aufrufen der Funktion entscheiden, wie viele Zyklen gezeigt werden sollen. Aus diesem Grund haben Sie vorher in der Funktion cycles eingebaut.
• plt.ylim(-A-0.5, A+0.5): Lassen Sie die Limitierung der y-Achse relativ zur Amplitude A anzeigen.

Der Befehl plt.axhline vereinfacht die Visualisierung und plt.show ist nötig um den erstellten Graphen anzuzeigen. In der nächsten Zeile symbolisiert return sine das Ende der Funktion signal. Diese können Sie danach mit selbst gewählten Parametern aufrufen.

Den Python Sinus erstellen und als Audio abspielen

sine = signal(f = 440, s = 1, A = 0.8, phi = 0, cycles = 2)

Audio(sine, rate = samplerate)

Zuerst haben Sie die nötigen Bibliotheken importiert und den Teil der Funktion definiert, mit dem das Array bestimmt und erstellt werden kann. Danach haben Sie die Werte für den Graphen bestimmt, welcher am Ende den Sinus anzeigt. Zu guter Letzt rufen Sie in der vorletzten Zeile die erstellte Funktion mit den gewünschten Werten auf. Für diesen Schritt haben Sie am Anfang das IPython-Modul display importiert. Mit Audio rufen Sie dieses auf und geben im Anschluss die sine Variable und die samplerate an. Im Anschluss gibt Python dann einen Graphen und eine Schaltfläche zum Abspielen des Sinus aus. Das Abspielen einer Funktion als Sound nennt sich übrigens Audifikation.

Der gesamte Quelltext

Wenn Sie alle hier beschriebenen Schritte befolgt haben könnte ihr Quelltext am Ende so aussehen:

import numpy as np
import matplotlib.pyplot as plt
from IPython.display import Audio

samplerate = 44100

def signal(f = 440, s = 1, A = 1, phi = 1, cycles = 1):
    t = np.linspace(0, s, int(s*samplerate), endpoint=False)
    sine = A * np.sin(2 * np.pi * f * t - 2 * np.pi * phi)

    plt.figure(figsize=(10, 6))
    plt.plot(t, sine)
    plt.title(f'Signal: {f} Hz, Amplitude: {A}, Nullphase: {phi}')
    plt.xlabel('Zeit (s)')
    plt.ylabel('Amplitude')
    plt.grid()
    plt.xlim(0, 1/(f/cycles))
    plt.ylim(-A-0.5, A+0.5)
    plt.axhline(0, color = 'black', lw = 0.5, ls='--')
    plt.show() 

    return sine

sine = signal(f = 440, s = 1, A = 0.8, phi = 0, cycles = 2)

Audio(sine, rate=samplerate)

In weiteren Artikeln plotten wir einen Sinus in Matlab. Außerdem erklären Ihnen, wie Sie mittels eines Spektrogramms jede Zeitreihe in ihre Sinuskomponenten zerlegen können.

Quellen

NumPy. (n.d.). *NumPy*. [Wissenschaftliche Bibliothek für Python]. https://numpy.org/doc/stable/

Hunter, J. D. „Matplotlib: A 2D Graphics Environment“, Computing in Science; Engineering, vol. 9, no. 3, pp. 90-95, 2007. https://doi.org/10.1109/MCSE.2007.55

Fernando Pérez, Brian E. Granger, IPython: A System for Interactive Scientific Computing, Computing in Science and Engineering, vol. 9, no. 3, pp. 21-29, May/June 2007. https://ipython.org

Der Beitrag Python Sinus – Sinuskurve plotten mit NumPy und Matplotlib erschien zuerst auf SystMus.

Warum ist Mastering wichtig?

Mastering ist ein zentraler Schritt in der professionellen Musikproduktion, der den fertigen Song marktreif macht. Dabei werden die letzten Details verfeinert, um die wahrgenommene Lautstärke zu erhöhen und die klangliche Tiefe sowie Breite zu optimieren. Besonders wichtig beim Mastering ist die Konsistenz, vor allem bei Alben oder EPs, um sicherzustellen, dass alle Tracks in Bezug auf Lautstärke, Klangfarbe, Stereo-Bild und Dynamik einheitlich sind. Dies sorgt für ein nahtloses Hörerlebnis über das gesamte Album oder die EP hinweg und erhält die künstlerische Vision des Projekts. Wie in der Grafik zu sehen, reizt das Mastering Pegel voll aus, ohne verzerrt zu klingen:

Wellenform vor (oben) und nach dem Mastering (unten). Screenshot: Sebastian Behrendt

Mixing vs. Mastering:

Das Mixing des Songs bezieht sich auf das Balancieren und Bearbeiten von Einzelspuren. Hier wird sichergestellt, dass jedes Instrument und Sound je nach Bedarf im Zusammenspiel durchsetzt, oder unterstützend wirkt. Dazu werden die Lautstärke, der Dynamikumfang, die spektrale Balance und die räumliche Position aufeinander abgestimmt, und einzelne Instrumente oder Instrumentengruppen mit Audioeffekten versehen. Beim Mastering hingegen geht es um die Bearbeitung des gesamten Mixes in einem, als letztem Schliff vor der Veröffentlichung. Wenn Sie selber mastern, können Sie Effekte auf den Master Out Channel anwenden. Eine weitere Methode besteht darin, die gemischte Stereo-Datei (den Mixdown), zu exportieren und in einem neuen Projekt zu Mastern. Externe Mastering Engineers arbeiten oft auf diese Weise. Aber Vorsicht, nicht jedes klangliche Problem kann durch Mastering behoben werden. Ein guter Mix und Produktion des Songs sind die Grundvoraussetzung, um im Schritt des Masterings die gewünschten Ergebnisse erzielen zu können.

Mastering Studios und Stem Mastering

In der Welt der Audioproduktion spielt das Mastering Studio eine entscheidende Rolle. Ein Mastering Studio ist nicht nur ein Raum voller hochwertiger Ausrüstung; es ist auch ein kreativer Spielraum, in dem erfahrene Mastering-Ingenieure mit feinem Gehör und technischem Know-how arbeiten. Mastering beinhaltet verschiedene Prozesse, um die Klangqualität eines Musikstücks zu verbessern. Dazu gehören:

1. Anpassung der Lautstärke (nur beim Stem Mastering möglich)
2. Ausbalancieren der Frequenzen
3. Bearbeitung der Dynamik
4. Anpassung des Stereobildes.

Ein Mastering Studio verfügt über spezialisierte Geräte und Software, um diese Anpassungen mit höchster Präzision vorzunehmen. Ein relativ neuerer Ansatz im Bereich des Masterings ist das „Stem Mastering“. Im Gegensatz zum herkömmlichen Mastering, bei dem mit einem einzigen Stereomix gearbeitet wird, bietet Stem Mastering die Möglichkeit, mit mehreren Submixen oder „Stems“ zu arbeiten. Ein Stem könnte beispielsweise nur die Drums, nur die Gitarren oder nur die Vocals eines Tracks enthalten. Diese Methode erlaubt es dem Mastering-Ingenieur, detailliertere Anpassungen an spezifischen Elementen des Tracks vorzunehmen, ohne die anderen Teile zu beeinflussen.

Hauptkomponenten im Audio-Mastering

Jeder einzelne Schritt des Audio-Masterings spielt eine wesentliche Rolle, um die Qualität und Konsistenz des finalen Audiomaterials zu gewährleisten.

1. EQ (Equalization):
   • Anheben oder Absenken spezifischer Frequenzen
   • Herausbringen von Klarheit und Definition
2. Kompression
   • Glätten von Lautstärkeschwankungen
   • Erhöhung der Gesamtlautstärke
3. Stereo-Image-Verbesserung:
   • Justieren der Stereobreite
   • Verbesserung der räumlichen Verteilung
4. Dynamik-Anpassung:
   • RMS- und Peak-Lautstärke bearbeiten
   • Standards für Streaming-Dienste
5. Dithering (Beim Exportieren in verlustbehaftete Audioformate): 
   • Anwendung bei Reduzierung der Bit-Tiefe
   • Rauschzufügung zur Reduzierung von Quantisierungsfehlern

Diese fünf Schritte machen Sie nicht rein nach Gehör. Audio Analyzing Tools unterstützen Sie dabei:

1. 1. 1. Lautheitsmesser — LUFS-Meter (Loudness Units Full Scale):
         • Zweck: Messung der Lautstärke eines Tracks.
         • Einsatzgebiet: Hilft bei der Einhaltung von Branchenstandards wie der EBU R128 oder ITU-R BS.1770 für den Rundfunk und Abgleichung der Lautstärkenormen für die Streaming-Dienste.
           

           Loudness Meter, um die LUFS zu messen. Screenshot: Sebastian Behrendt

      2. Spektrumanalysator (Spectrum Analyzer):
         • Zweck: Visualisierung des Frequenzspektrums eines Audiosignals.
         • Einsatzgebiet: Identifizierung von Frequenzspitzen, Imbalancen und Raumresonanzen.
           

           Frequenzanalyse, um die Tonalität zu visualisieren. Screenshot: Sebastian Behrendt

      3. Phase Scope/Goniometer:
         • Zweck: Überwachung der Phasenbeziehungen zwischen den Stereokanälen.
         • Einsatzgebiet: Sicherstellung, dass die Mischung in Stereo schön räumlich und in Mono spektral ausgewogen klingt.
           

           Stereo Analyse, um die Stereo Breite des Songs grafisch darstellen zu lassen. Screenshot: Sebastian Behrendt

      4. Stereo-Bild Analyse über das Frequenzspektrum (Stereo Imaging Analyzer):

• • • • Zweck: Visualisierung der Stereobreite über das gesamte Frequenzspektrum hinweg.
      • Einsatzgebiet: Optimierung der Stereoverteilung und Vermeidung von Phasenproblemen.
        

        Analyse der Stereo Information über das gesamte Frequenzspektrum hinweg. Screenshot: Sebastian Behrend

Audio Mastering in Kürze

Das Mastering gewährleistet einen professionellen Klang und erfüllt nach guter Anwendung den Marktstandard. Es hat eine ästhetische sowie technische Bedeutung. Mit ausreichend Kenntnis und Übung lässt sich ein gelungenes Audio Mastering selber umsetzten. Wer möchte, kann aber auch diesen finalen Schritt an ein Mastering Studio abgeben. Die Masteringkosten sowie die klanglichen Ergebnisse können zwischen den verschiedenen Anbietern stark variieren. Daher kann es sich lohnen, über die Zeit verschiedene Anbieter auszuprobieren.

Der Beitrag Audio Mastering — Definition und Einführung erschien zuerst auf SystMus.