como passar o wav editado entre as funções sem salvar o wav no meio?

Question

Tenho uma conversa wav de 2 pessoas (cliente e suporte técnico). Tenho 3 funções separadas que extraem 1 voz, cortam 10 segundos e a transformam em incorporação.

def get_customer_voice(file):

    print('getting customer voice only')
    wav = wf.read(file)
    ch = wav[1].shape[1]#customer voice always in 1st track
    sr = wav[0]
    c1 = wav[1][:,1]
    #print('c0 %i'%c0.size)

    if ch==1:
        exit()
    vad = VoiceActivityDetection()
    vad.process(c1)
    voice_samples = vad.get_voice_samples()
    #this is trouble - how to pass it without saving anywhere as wav?
    wf.write('%s_customer.wav'%file,sr,voice_samples)

a função abaixo corta 10 segundos do arquivo wav da função acima.

import sys
from pydub import AudioSegment

def get_customer_voice_10_seconds(file):
    voice = AudioSegment.from_wav(file)
    new_voice = voice[0:10000]
    file = str(file) + '_10seconds.wav'
    new_voice.export(file, format='wav')


if __name__ == '__main__':
    if len(sys.argv) < 2:
        print('give wav file to process!')
    else:
        print(sys.argv)
        get_customer_voice_10_seconds(sys.argv[1])

como passá-lo como wav ou outro formato sem salvá-lo em algum diretório? É para ser usado em api de descanso, não sei onde vai guardar esse wav, então de preferência deve ser passado de alguma forma.

Answer 1

Eu descobri - a função abaixo simplesmente funciona sem salvar, armazenar em buffer etc. Ele recebe um arquivo wav e o edita e apenas envia direto para a função de incorporação de matemática get:

def get_customer_voice_and_cutting_10_seconds_embedding(file):

    print('getting customer voice only')
    wav = read(file)
    ch = wav[1].shape[1]
    sr = wav[0]

    c1 = wav[1][:,1]

    vad = VoiceActivityDetection()
    vad.process(c1)
    voice_samples = vad.get_voice_samples()
    audio_segment = AudioSegment(voice_samples.tobytes(), frame_rate=sr,sample_width=voice_samples.dtype.itemsize, channels=1)
    audio_segment = audio_segment[0:10000]
    file = str(file) + '_10seconds.wav'

    return get_embedding(file)

a chave é tobytes () no segmento de áudio, ele apenas reúne todos eles em 1 trilha novamente