Czym są kawałki, próbki i ramki podczas korzystania z pyaudio

Po przejrzeniu dokumentacji pyaudio i przeczytaniu kilku innych artykułów w Internecie, jestem zdezorientowany, jeśli moje zrozumienie jest poprawne.

To jest kod do nagrywania audio znaleziony na stronie pyaudio:

import pyaudio
import wave

CHUNK = 1024
FORMAT = pyaudio.paInt16
CHANNELS = 2
RATE = 44100
RECORD_SECONDS = 5
WAVE_OUTPUT_FILENAME = "output.wav"

p = pyaudio.PyAudio()

stream = p.open(format=FORMAT,
                channels=CHANNELS,
                rate=RATE,
                input=True,
                frames_per_buffer=CHUNK)

print("* recording")

frames = []

for i in range(0, int(RATE / CHUNK * RECORD_SECONDS)):
    data = stream.read(CHUNK)
    frames.append(data)

print("* done recording")

stream.stop_stream()
stream.close()
p.terminate()

A jak dodam te linijki to jestem w stanie odtworzyć to co nagrałem:

play=pyaudio.PyAudio()
stream_play=play.open(format=FORMAT,
                      channels=CHANNELS,
                      rate=RATE,
                      output=True)
for data in frames: 
    stream_play.write(data)
stream_play.stop_stream()
stream_play.close()
play.terminate()

1. "szybkość" oznacza liczbę próbek pobranych na sekundę.
2. "CHUNK" to liczba ramek w buforze.
3. każda ramka będzie miała 2 próbki jako "Kanały=2".
4. wielkość każdej próbki wynosi 2 bajty, obliczana za pomocą funkcji: pyaudio.get_sample_size(pyaudio.paInt16).
5. dlatego rozmiar każdej klatki wynosi 4 bajty.
6. na liście" ramki " rozmiar każdego elementu musi wynosić 1024*4 bajty, na przykład rozmiar frames[0] musi wynosić 4096 bajtów. Jednakże, sys.getsizeof(frames[0]) zwraca 4133, ale len(frames[0]) zwraca 4096.
7. for loop wykonuje int(RATE / CHUNK * RECORD_SECONDS) razy, nie rozumiem dlaczego. tutaj jest to samo pytanie odpowiedział "Ruben Sanchez", ale nie mogę być pewien, czy to poprawne jak mówi CHUNK=bytes. I zgodnie z jego wyjaśnieniem, musi to być int(RATE / (CHUNK*2) * RECORD_SECONDS), ponieważ (CHUNK*2) jest liczbą próbek odczytywanych w buforze przy każdej iteracji.
8. W końcu, kiedy piszę print frames[0], wypisuje bełkot, gdy próbuje traktować łańcuch jako zakodowany ASCII, czym nie jest, jest tylko strumieniem bajtów. Jak więc wydrukować ten strumień bajtów w systemie szesnastkowym za pomocą modułu struct? A jeśli później, zmienię każdy z wartości szesnastkowych z wartościami mojego wyboru, będzie nadal produkować grywalne dźwięk?

Cokolwiek napisałem powyżej było moim zrozumieniem rzeczy i wiele z nich może się mylić.