Обработка музыки с помощью Python: от вайбкодинга до мастеринга в один клик

Окт 25, 2025 0

Продолжаю рассказывать, как я в одного делаю проект — сайт, радио и медиаплатформу для своей музыки. В первой части был фронт и админка, теперь — как я встроил мастеринг аудио через Python сервис, чтобы не бегать по разным сайтам и не возиться с Audacity. Ну и немного про вайбкодинг — куда ж без него.

Обработка музыки с помощью Python: от вайбкодинга до мастеринга в один клик

🎧 Вступление

Продолжаю рассказывать, как можно в одного делать большие проекты с помощью новомодного явления — вайбкодинг.

На днях видел даже курсы от инфобизнесменов, где теперь учат, как молодым предпринимателям можно «сэкономить» на разработчиках, дизайнерах и прочих специалистах. Разумеется, всего за стоимость этих самых специалистов 😅

Но давайте честно — вайбкодинг это не замена, это инструмент. Если ты хоть немного разбираешься в теме, он сэкономит массу времени и денег. Если нет — затраты будут только расти, вместе с количеством подписок на разные ИИ-сервисы.

💡 Три вещи, которые стоит знать про вайбкодинг

1. Сервисы платные, и чем дальше, тем дороже

Пока проект маленький — всё прекрасно. Но как только он растёт, ИИ начинает путать, что ты вообще хочешь от него. А ты, вдохновлённый первыми успехами, закупаешь всё подряд: Midjourney для картинок, ChatGPT для кода, Claude для текста, Suno для музыки… И в какой-то момент сумма подписок догоняет зарплату разработчика.

2. Промт — это новое ТЗ

Поначалу всё просто: «Сделай красивый сайт про йогу». ИИ делает, ты радуешься. Но потом: «Добавь базу данных, сделай авторизацию, API и расчёт аналитики». ИИ всё делает, но ты уже не понимаешь, что именно. Код работает, но странно. Через пару недель начинаешь чинить сам. Так появляется новая профессия — вайбклинер 😅

3. Это не магия, это инструмент

Если понимать, что происходит, эффект — потрясающий. Например, раньше на подготовку описания API для среднего интерфейса из n-методов у меня уходил день. Теперь — минут 30, и это только на проверку, что всё корректно. Так что вайбкодинг — ускоритель, а не волшебная палочка.

Переходим к делу: обработка музыки

А теперь вернёмся к сайту. В этой части расскажу про мастеринг, который я реализовываю через Python-сервис и связал с админкой. Задача — убрать ручной труд при обработке треков.

🐍 Python-сервис для аудио

Изначально всё выглядело вот так:
загрузил файл в мастерскую → обработал→ скачал→ проверил → если что-то не понравилось → снова загрузил . Работает, но очень утомительно.

Потом я решил объединить весь процесс в одно целое: фронт → бэк → Python → облако.

Теперь при загрузке песни сайт сам:

Прослушать как будет выглядеть трек после обработки
Далее отправить аудио в Python-сервис.
Тот применяет выбранный пресет (мастеринг, шумоподавление, тюнинг).
И скачивается mp3(уже с тегами) или wav
Так же отдельно можно сохранить обработанный файл на S3.

Использую:

Railway — для бекенда.
S3 от REG.RU — для хранения.
librosa, scipy, soundfile — для аудио.

⚙️ Вот как выглядит базовая функция мастеринга, максимально просто

def _apply_mastering(input_path: str, output_path: str, preset: dict, ms: bool, clean: bool): «»» Применяет мастеринг к аудиофайлу согласно пресету «»» audio_data, sample_rate = sf.read(input_path) if audio_data.shape[0] < 15: print(«WARNING: Audio file is very short (<15 samples)») preset_value = preset.get(‘value’, {}) has_effects = any([ preset_value.get(‘eq’), preset_value.get(‘compressor’), preset_value.get(‘limiter’), preset_value.get(‘normalize_lufs’), preset_value.get(‘stereo_width’), preset_value.get(‘saturation’), preset_value.get(‘extras’) ]) audio_data = _apply_dynamic_effects(audio_data, sample_rate, preset_value) if clean and preset.get(‘clean’): audio_data = _apply_dynamic_cleanup(audio_data, sample_rate, preset[‘clean’]) if ms and len(audio_data.shape) == 2 and audio_data.shape[1] == 2: audio_data = _apply_mid_side_processing(audio_data) sf.write(output_path, audio_data, sample_rate, format=’WAV’) print(«Mastering completed successfully»)

Пресеты, превью и немного лени

Раньше я вручную выбирал пресет, прогонял трек, скачивал результат, слушал, потом снова всё по кругу. И тут сработал вечный двигатель прогресса — лень.

Теперь при загрузке песни можно сразу:

Применить все доступные пресеты.
Прослушать результат.
Сохранить понравившийся вариант.

То есть всё — прямо в браузере.

Пресеты теперь хранятся в базе данных, в виде JSON.
Это удобно, потому что у каждого набора настроек своя структура.

Так он выглядел, когда жил на стороне сервиса

{ «name»: «Стадион», «eq»: {«low»: -3, «mid»: 0, «high»: 4}, «compressor»: {«ratio»: 3.5, «threshold»: -20}, «stereo_width»: 1.2, «normalize_lufs»: -14, «extras»: [«saturation», «air»] }

Вот так он теперь выглядит на стороне БД

id |name|value |status|clean |clean_filter| ————————————+—-+—————————————————————————————————————————————————————————————————————————————————————+——+————————————————————————————————————————-+————+ 1fd1c1ef-2211-1111-b1a1-1cc1e55a2073|soft|{«eq»: {«low»: 1, «mid»: 0.5, «high»: 1.5, «low_freq»: 80, «mid_freq»: 1200, «q_factor»: 1.2, «high_freq»: 9000}, «extras»: {«depth»: 0.3, «reverb»: «room», «presence»: 0.6}, «limiter»: {«release»: 100, «threshold»: -1.0}, «compressor»: {«ratio»: 2.0, «at|active|{«filter»: {«type»: «lowpass», «cutoff_hz»: 19500}, «remove_hiss»: true, «remove_clicks»: true, «remove_dc_offset»: true}|true |