Python实现系统声音内录：PyAudio配置与立体声混音设置指南

蓝鲸

发布时间：2026-10-12| 2人浏览过

原创

本文详解如何使用Python的PyAudio库录制Windows系统内部声音。针对pip安装PyAudio常见的报错问题，提供了通过whl轮子文件手动安装的解决方案。核心步骤包括查找并启用Windows系统的“立体声混音”设备，通过代码指定该设备索引实现内录。文章还包含完整代码示例及静音状态下的注意事项，帮助开发者顺利实现系统音频捕获。

环境准备

Python

wave
pyaudio

wave模块可通过pip直接安装。但在安装pyaudio时，直接使用pip install命令通常会持续报错。为解决此问题，建议直接下载对应的whl轮子文件进行安装。

在PyPI提供的安装包中，需注意区分Python2与Python3版本，甚至Python3的小版本号差异也至关重要。例如，若电脑安装的是Python3.8，可访问专门提供Python库文件的网站（如Christoph Gohlke的Unofficial Windows Binaries）查找对应版本并下载。下载完成后，在文件所在目录或通过指定文件路径执行安装命令即可完成安装。

pip install /c/Users/root/Downloads/PyAudio-0.2.11-cp38-cp38-win_amd64.whl

代码和运行

def audio_record(out_file, rec_time):
  CHUNK = 1024
  FORMAT = pyaudio.paInt16 # 16bit编码格式
  CHANNELS = 1 # 单声道
  RATE = 16000 # 16000采样频率
  p = pyaudio.PyAudio()
  # 创建音频流
  dev_idx = findInternalRecordingDevice(p)
  stream = p.open(format=FORMAT, # 音频流wav格式
          channels=CHANNELS, # 单声道
          rate=RATE, # 采样率16000
          input=True,
          input_device_index=dev_idx, # 指定内录设备的id，可以不写，使用win的默认录音设备
          frames_per_buffer=CHUNK)
  print("Start Recording...")
  frames = [] # 录制的音频流
  # 录制音频数据
  for i in range(0, int(RATE / CHUNK * rec_time)): # 控制录音时间
    data = stream.read(CHUNK)
    frames.append(data)
  # 录制完成
  stream.stop_stream()
  stream.close()
  p.terminate()
  print("Recording Done...")
  # 保存音频文件
  wf = wave.open(out_file, 'wb')
  wf.setnchannels(CHANNELS)
  wf.setsampwidth(p.get_sample_size(FORMAT))
  wf.setframerate(RATE)
  wf.writeframes(b''.join(frames))
  wf.close()

使用默认录音设备时，通常捕获的是麦克风声音，效果可能不理想。因此，我们需要探索如何直接录制系统内部输出的声音。

def findInternalRecordingDevice(p):
  # 要找查的设备名称中的关键字
  target = '立体声混音'
  # 逐一查找声音设备
  for i in range(p.get_device_count()):
    devInfo = p.get_device_info_by_index(i)
    print(devInfo)
    if devInfo['name'].find(target) >= 0 and devInfo['hostApi'] == 0:
      # print('已找到内录设备,序号是 ',i)
      return i
  print('无法找到内录设备!')
  return -1

可以通过调用p.get_device_info_by_index()方法查看系统中所有可用的声音设备，并将输出设备设置为“立体声混音”（Stereo Mix）即可实现系统声音的录制。

保存声音

def save(fileName):
  # 创建pyAudio对象
  p = pyaudio.PyAudio()
  # 打开用于保存数据的文件
  wf = wave.open(fileName, 'wb')
  # 设置音频参数
  wf.setnchannels(CHANNELS)
  wf.setsampwidth(p.get_sample_size(FORMAT))
  wf.setframerate(RATE)
  # 写入数据
  wf.writeframes(b''.join(_frames))
  # 关闭文件
  wf.close()
  # 结束pyaudio
  p.terminate()

保存声音的逻辑基于上述代码实现。其中，_frames是一个列表，用于存储每次读取的一个chunk（数据流块）的数据。

随后，只需重新创建PyAudio对象，将该列表转换为字节串，并将其写入文件即可完成保存。

问题

上述方法理论上可以录制系统声音，但在实际执行过程中可能会发现无法成功录制。

原因在于：Windows系统的输入设备列表中未配置“立体声混音”选项。

设置步骤如下：

在Windows的声音调节界面中，右键点击以打开声音设置。
找到并进入“管理声音设备”选项。
在输入设备列表中，启用“立体声混音”功能。

完成以上设置后，即可成功实现系统声音的录制需求。

注意

上述操作在通过外放扬声器或插入3.5mm耳机时有效。然而，当系统处于静音状态或插入Type-C耳机时，可能无法录制到声音。

完整代码

import os
import pyaudio
import threading
import wave
import time
from datetime import datetime

# 需要系统打开立体声混音

# 录音类
class Recorder():
  def __init__(self, chunk=1024, channels=2, rate=44100):
    self.CHUNK = chunk
    self.FORMAT = pyaudio.paInt16
    self.CHANNELS = channels
    self.RATE = rate
    self._running = True
    self._frames = []

  # 获取内录设备序号,在windows操作系统上测试通过，hostAPI = 0 表明是MME设备
  def findInternalRecordingDevice(self, p):
    # 要找查的设备名称中的关键字
    target = '立体声混音'
    # 逐一查找声音设备
    for i in range(p.get_device_count()):
      devInfo = p.get_device_info_by_index(i)
      # print(devInfo)
      if devInfo['name'].find(target) >= 0 and devInfo['hostApi'] == 0:
        # print('已找到内录设备,序号是 ',i)
        return i
    print('无法找到内录设备!')
    return -1

  # 开始录音，开启一个新线程进行录音操作
  def start(self):
    threading._start_new_thread(self.__record, ())

  # 执行录音的线程函数
  def __record(self):
    self._running = True
    self._frames = []

    p = pyaudio.PyAudio()
    # 查找内录设备
    dev_idx = self.findInternalRecordingDevice(p)
    if dev_idx < 0:
      return
    # 在打开输入流时指定输入设备
    stream = p.open(input_device_index=dev_idx,
            format=self.FORMAT,
            channels=self.CHANNELS,
            rate=self.RATE,
            input=True,
            frames_per_buffer=self.CHUNK)
    # 循环读取输入流
    while (self._running):
      data = stream.read(self.CHUNK)
      self._frames.append(data)

    # 停止读取输入流
    stream.stop_stream()
    # 关闭输入流
    stream.close()
    # 结束pyaudio
    p.terminate()
    return

  # 停止录音
  def stop(self):
    self._running = False

  # 保存到文件
  def save(self, fileName):
    # 创建pyAudio对象
    p = pyaudio.PyAudio()
    # 打开用于保存数据的文件
    wf = wave.open(fileName, 'wb')
    # 设置音频参数
    wf.setnchannels(self.CHANNELS)
    wf.setsampwidth(p.get_sample_size(self.FORMAT))
    wf.setframerate(self.RATE)
    # 写入数据
    wf.writeframes(b''.join(self._frames))
    # 关闭文件
    wf.close()
    # 结束pyaudio
    p.terminate()


if __name__ == "__main__":

  # 检测当前目录下是否有record子目录
  if not os.path.exists('record'):
    os.makedirs('record')

  print("\npython 录音机 ....\n")
  print("提示：按 r 键并回车 开始录音\n")

  i = input('请输入操作码:')
  if i == 'r':
    rec = Recorder()
    begin = time.time()

    print("\n开始录音,按 s 键并回车 停止录音，自动保存到 record 子目录\n")
    rec.start()

    running = True
    while running:
      i = input("请输入操作码:")
      if i == 's':
        running = False
        print("录音已停止")
        rec.stop()
        t = time.time() - begin
        print('录音时间为%ds' % t)
        # 以当前时间为关键字保存wav文件
        rec.save("record/rec_" + datetime.now().strftime("%Y-%m-%d_%H-%M-%S") + ".wav")

以上就是Python录制系统声音示例的详细内容，更多关于Python录制系统声音的资料请关注本站其它相关文章！