pip install pyaudio

import pyaudio
import wave
 
# 打开 wav 文件
wave_file = wave.open('test.wav', 'rb')
 
# 初始化 PyAudio
p = pyaudio.PyAudio()
 
# 打开音频流
stream = p.open(format=p.get_format_from_width(wave_file.getsampwidth()),
                channels=wave_file.getnchannels(),
                rate=wave_file.getframerate(),
                output=True)
 
# 读取数据并播放
data = wave_file.readframes(1024)
while data != b'':
    stream.write(data)
    data = wave_file.readframes(1024)
 
# 停止音频流和 PyAudio
stream.stop_stream()
stream.close()
p.terminate()
 
# 关闭 wav 文件
wave_file.close()

pip install scipy

import scipy.signal as signal
import scipy.io.wavfile as wav
 
# 读取音频文件
rate, data = wav.read("test.wav")
 
# 构造滤波器
nyq_rate = rate / 2.0
cutoff_freq = 2000.0
normal_cutoff = cutoff_freq / nyq_rate
b, a = signal.butter(4, normal_cutoff, btype='lowpass')
 
# 滤波处理
filtered_data = signal.lfilter(b, a, data)
 
# 写入输出文件
wav.write("filtered_test.wav", rate, filtered_data.astype(data.dtype))

pip install librosa

import librosa
 
# 读取音频文件
y, sr = librosa.load("test.wav")
 
# 提取音频特征
# STFT
D = librosa.stft(y)
 
# 梅尔频率滤波器组 (melspectrogram)
S = librosa.feature.melspectrogram(y=y, sr=sr, n_mels=128,
                                    fmax=8000)
 
# 梅尔倒谱系数 (MFCCs)
mfcc = librosa.feature.mfcc(y=y, sr=sr, n_mfcc=13)
 
# 显示特征提取结果
import matplotlib.pyplot as plt
librosa.display.specshow(librosa.power_to_db(S, ref=np.max),
                            y_axis='mel', fmax=8000,
                            x_axis='time')
 
plt.colorbar(format='%+2.0f dB')
plt.title('Mel spectrogram')
plt.tight_layout()
plt.show()