如何将前端字节音频数据列表合并为单个可播放WAV文件？

要处理前端传来的无RIFF头的裸PCM音频数据，核心是先合并所有裸PCM字节，再为其添加符合规范的WAV文件头，或者直接用音频库基于裸PCM参数创建可处理的音频对象。以下是两种可行方法：

前提说明 #

你需要明确前端音频的几个关键参数（必须和前端实际编码一致）：

• 采样率（如44100Hz、16000Hz）
• 位深（如16位，对应np.int16）
• 声道数（单声道/立体声）

方法一：使用Python标准库wave生成可播放的WAV文件 #

直接合并裸PCM字节后，手动写入WAV文件头和数据：

import wave

def merge_raw_pcm_to_wav(output_path, audio_bytes_list, sample_rate=16000, bit_depth=16, channels=1):
    # 合并所有裸PCM字节
    combined_pcm = b''.join(audio_bytes_list)
    
    # 打开WAV文件准备写入
    with wave.open(output_path, 'wb') as wav_file:
        # 设置WAV核心参数
        wav_file.setnchannels(channels)
        wav_file.setsampwidth(bit_depth // 8)  # 位深转字节数，16位对应2字节
        wav_file.setframerate(sample_rate)
        # 写入合并后的PCM数据
        wav_file.writeframes(combined_pcm)

使用示例：

# 假设前端音频是16000Hz采样率、16位单声道的裸PCM
merge_raw_pcm_to_wav("output.wav", frontend_audio_list, sample_rate=16000)

方法二：使用pydub处理裸PCM数据 #

通过AudioSegment.from_raw()直接从裸PCM字节创建音频段，再合并导出：

from pydub import AudioSegment
import io

def merge_frontend_audio_with_pydub(output_path, audio_bytes_list, sample_rate=16000, bit_depth=16, channels=1):
    combined_audio = AudioSegment.empty()
    byte_width = bit_depth // 8
    
    for pcm_bytes in audio_bytes_list:
        # 从裸PCM创建AudioSegment对象
        audio_segment = AudioSegment.from_raw(
            io.BytesIO(pcm_bytes),
            sample_width=byte_width,
            frame_rate=sample_rate,
            channels=channels
        )
        combined_audio += audio_segment
    
    combined_audio.export(output_path, format='wav')

使用示例：

merge_frontend_audio_with_pydub("output.wav", frontend_audio_list, sample_rate=16000)

为什么b''.join()无法生成可连续播放的文件？ #

b''.join()只是简单拼接了裸PCM字节，但缺少WAV文件必需的RIFF头信息。播放器需要通过RIFF头获取采样率、位深、总数据长度等核心参数，没有这些信息，播放器只能默认按第一段数据的长度解析，后续数据无法被识别为有效音频，因此需要手动点击才能继续播放。

内容的提问来源于stack exchange，提问作者Aleef