如何将文本转语音API返回的MP3流直接写入有效WAV文件？

核心原因 #

MP3是有损压缩音频格式，存储的是编码后的压缩数据；而WAV本质是无压缩PCM音频的容器，直接把MP3分块写入WAV会导致文件结构完全不合法。用wave库时如果没先把MP3解码成原始PCM数据，哪怕参数设置正确，写入的还是压缩后的MP3字节，自然会出现音频不完整、断连的问题。

可行解决方案 #

1. 先分块解码MP3为PCM #

必须把每个MP3分块实时解码成无压缩的PCM原始数据，再写入WAV文件。推荐用pydub库，它依赖ffmpeg做解码，API简洁易上手：

• 先安装依赖：pip install pydub，同时确保系统已安装ffmpeg（大部分Linux发行版自带，Windows/macOS可官网下载后配置环境变量）

2. 流式初始化并写入WAV #

通过第一个解码后的PCM块获取音频参数（采样率、声道数、样本宽度），用wave库初始化WAV文件，之后逐块把解码好的PCM数据追加写入。

示例代码 #

import wave
from pydub import AudioSegment
import io

def mp3_stream_to_wav(mp3_chunk_generator, output_path):
    wav_handler = None
    for chunk in mp3_chunk_generator:
        # 把单块MP3数据解码为AudioSegment对象
        mp3_segment = AudioSegment.from_file(io.BytesIO(chunk), format="mp3")
        # 提取PCM原始数据和音频参数
        pcm_data = mp3_segment.raw_data
        sample_rate = mp3_segment.frame_rate
        channels = mp3_segment.channels
        sample_width = mp3_segment.sample_width

        # 第一次循环时初始化WAV文件
        if not wav_handler:
            wav_handler = wave.open(output_path, 'wb')
            wav_handler.setnchannels(channels)
            wav_handler.setsampwidth(sample_width)
            wav_handler.setframerate(sample_rate)
        
        # 写入当前块的PCM数据
        wav_handler.writeframes(pcm_data)
    
    # 最后关闭文件句柄
    if wav_handler:
        wav_handler.close()

关键注意点 #

• 要保证API返回的所有MP3分块音频参数一致（采样率、声道数），如果存在参数变化，需要在解码后做校验，否则写入WAV会出现音质错乱。
• 保持逐块解码写入的逻辑，不要一次性加载所有分块到内存，避免内存占用过高。

内容的提问来源于stack exchange，提问作者Abdallah Barghouti