Python报错ValueError: object too deep for desired array的修复及音频变调需求

问题原因 #

报错ValueError: object too deep for desired array是因为你的音频文件为立体声（双声道），wavfile.read()返回的data是二维数组（形状为(采样数, 2)），而np.interp仅支持一维数组输入，无法直接处理二维数据。

解决方案 #

需要对每个声道单独进行音高调整，之后再合并为多通道数据。同时保持音频数据的原始类型，避免写入WAV文件时出现格式错误。

另外确认半音偏移量：D3到C4的音高差为**+10个半音**，你设置的semitones_to_change = 10完全正确——2^(10/12)≈1.78，正好对应D3（146.83Hz）到C4（261.63Hz）的频率比例。

修改后的完整代码 #

from scipy.io import wavfile
import numpy as np

def change_pitch(input_file, output_file, semitones, nsemitones):
    # 读取WAV文件
    sample_rate, data = wavfile.read(input_file)
    
    # 计算音高变换因子
    pitch_factor = 2 ** (semitones / nsemitones)
    
    # 处理单声道/多声道情况
    if len(data.shape) == 1:
        # 单声道直接处理
        shifted_data = np.interp(
            np.arange(0, len(data), pitch_factor),
            np.arange(0, len(data)),
            data
        ).astype(data.dtype)
    else:
        # 多声道：逐个处理每个声道
        shifted_channels = []
        for channel in data.T:
            shifted_channel = np.interp(
                np.arange(0, len(channel), pitch_factor),
                np.arange(0, len(channel)),
                channel
            ).astype(channel.dtype)
            shifted_channels.append(shifted_channel)
        # 合并声道
        shifted_data = np.column_stack(shifted_channels)
    
    # 写入输出文件
    wavfile.write(output_file, sample_rate, shifted_data)

# 测试：D3转C4
input_file = "rhodes.wav"
output_file = "output.wav"
semitones_to_change = 10  # D3到C4的半音差
nsemitones = 12
change_pitch(input_file, output_file, semitones_to_change, nsemitones)

关键修改点 #

• 增加多声道判断逻辑：通过len(data.shape)区分单声道/立体声，对每个声道单独执行np.interp
• 使用data.T转置数组，方便遍历每个声道
• 处理完成后用np.column_stack合并声道，恢复原始多通道结构
• 保留astype(data.dtype)确保输出数据类型与输入一致，避免音频失真或写入错误

注意事项 #

• 若音频为其他多声道格式（如5.1环绕声），代码可自动适配处理每个声道
• np.interp实现的是简单线性插值变调，存在轻微音质损失；若追求更高质量，可考虑使用librosa库的pitch_shift函数（当前方案已满足基础变调需求）

内容的提问来源于stack exchange，提问作者user24715855