一.原理

1.1降噪

noisereduce 库的 reduce_noise 函数使用的是一种基于频谱减法的噪声消除算法。它通过分析音频的频谱，识别出噪声成分，并尝试将这些噪声成分从音频信号中去除，从而提升信号的清晰度。

1.2 动态范围压缩（预加重）

预加重（Pre-emphasis）是一种简单的信号处理技术，常用于音频处理中。它通过增强音频信号的高频成分来改善信噪比，特别是在某些编码技术中。预加重可以看作是一种高通滤波操作，通过减少低频成分的能量相对增加高频成分的能量。

1.3 增益处理

增益处理是通过线性放大音频信号的幅值来增加其响度的。增益因子 gain_factor 的大小决定了放大倍数。需要注意的是，过高的增益因子可能会导致音频信号超出其允许的动态范围，从而引起失真。

1.4 信号裁剪

将数组的值限制在指定的范围内。这里将音频信号限制在 [-1.0, 1.0] 之间，以防止因增益处理导致的信号失真（即音频信号过大或过小，超出了标准音频信号的范围）。

二.库安装

pip install  pydub
pip install noisereduce

三.测试代码

import numpy as np
from pydub import AudioSegment
import librosa
import noisereduce as nr
import librosa.effects as effects
# 加载音频文件
librosa_audio, sr = librosa.load("8888.wav", sr=16000)

# 使用noisereduce库进行噪声消除
reduced_noise_audio = nr.reduce_noise(y=librosa_audio, sr=sr)

# 使用librosa的动态范围压缩进行音频增强
compressed_audio = effects.preemphasis(reduced_noise_audio)  # 使用预加重作为简单的压缩方式

# 增加增益，提升音量
gain_factor = 5  # 增益因子，可根据实际情况调整
enhanced_audio = compressed_audio * gain_factor

# 确保音频信号在[-1, 1]范围内
enhanced_audio = np.clip(enhanced_audio, -1.0, 1.0)

# 将处理后的人声转换回AudioSegment对象
vocals_audio_segment = AudioSegment(
    data=np.array(enhanced_audio * 32767, dtype=np.int16).tobytes(),
    sample_width=2,
    frame_rate=sr,
    channels=1
)

# 导出处理后的人声
vocals_audio_segment.export("8888out.wav", format="wav")

三.测试结果