Python实现.aus转.wav工具后音频失真问题求助

1. 硬编码音频参数与实际文件不匹配 #

你当前代码里把frame_rate、sample_width、channels全部写死，但注释里也明确提到这些参数会因.aus文件而异。如果原.aus文件的实际参数和你设定的不一致（比如原文件是单声道、采样率22050、8位采样），直接用硬编码的参数解析，必然会导致音频速度、声道、音量出现失真。

修复：
必须从.aus文件的文件头中读取这些关键参数，不能硬编码。.aus格式的文件头通常包含以下核心信息：

• 采样率（frame rate）
• 通道数（channels）
• 采样宽度（每个采样的字节数）
• 音频编码格式（比如PCM有符号/无符号、是否压缩）
• 字节序（大端/小端）
  你需要先完成.aus文件头的解析，拿到这些参数后再传入AudioSegment。

2. 字节序（Endianness）不匹配 #

PCM音频数据的字节顺序（大端Big-Endian或小端Little-Endian）如果和pydub默认的解析方式不一致，会导致严重的杂音、变调等失真问题。大多数.wav文件用小端，但.aus文件可能采用大端格式。

修复：
如果原.aus文件是大端字节序，需要先把原始音频数据转换为小端：

import struct

# 示例：大端16位PCM转小端
raw_audio_data = struct.pack('<' + 'h'*(len(raw_audio_data)//2), *struct.unpack('>' + 'h'*(len(raw_audio_data)//2), raw_audio_data))

3. 音频编码格式不匹配 #

你默认按16位有符号PCM解析，但.aus文件可能使用无符号PCM或者其他编码格式（比如μ-law、A-law）。编码格式不匹配的话，解析出的音频数据会完全错误，直接导致失真。

修复：
从.aus文件头获取编码格式，若为无符号PCM，需要转换为有符号：

# 示例：8位无符号PCM转有符号
if sample_width == 1:
    # 把0-255的字节值转换为-128到127的有符号值
    raw_audio_data = bytes(b - 128 for b in raw_audio_data)

4. 音频数据截断的潜在问题 #

你当前截断数据到sample_width * channels的整数倍，这个逻辑本身没问题，但如果截断前的原始数据已经因为前面的参数错误导致长度计算偏差，截断也无法解决根本问题。务必在获取正确参数后再做截断处理。

修正后的核心代码片段 #

# 先解析.aus文件头获取正确参数（需根据.aus规范实现解析逻辑）
# 假设已从文件头读取到以下参数：
frame_rate = parsed_frame_rate
sample_width = parsed_sample_width
channels = parsed_channels
endianness = parsed_endianness  # 'big' 或 'little'
audio_format = parsed_audio_format  # 比如 'signed_pcm', 'unsigned_pcm'

raw_audio_data = aus_data[audio_data_start:]

# 处理字节序
if endianness == 'big' and sample_width > 1:
    # 转换为pydub默认的小端格式
    fmt_char = 'h' if sample_width == 2 else 'i'
    fmt = '>' + fmt_char * (len(raw_audio_data) // sample_width)
    raw_audio_data = struct.pack('<' + fmt[1:], *struct.unpack(fmt, raw_audio_data))

# 处理编码格式
if audio_format == 'unsigned_pcm':
    if sample_width == 1:
        raw_audio_data = bytes(b - 128 for b in raw_audio_data)
    elif sample_width == 2:
        # 16位无符号转有符号：每个值减去32768
        raw_data = struct.unpack('<h'*(len(raw_audio_data)//2), raw_audio_data)
        raw_data = [x - 32768 for x in raw_data]
        raw_audio_data = struct.pack('<h'*len(raw_data), *raw_data)

# 调整数据长度为合法值
adjusted_length = len(raw_audio_data) - (len(raw_audio_data) % (sample_width * channels))
raw_audio_data = raw_audio_data[:adjusted_length]

# 创建AudioSegment对象
audio_segment = AudioSegment(
    raw_audio_data,
    frame_rate=frame_rate,
    sample_width=sample_width,
    channels=channels
)

内容的提问来源于stack exchange，提问作者Perseus