如何实现AudioSegment与NumPy数组的可靠双向转换？

从 AudioSegment 转 NumPy 数组（确认你的现有代码） #

你的转换代码已将音频数据转为[通道数, 采样点数]的格式，适配TensorFlow处理需求，代码如下：

from pydub import AudioSegment
import numpy as np

audio = AudioSegment.from_file("/file/path/sillysong.wav")
data = audio.get_array_of_samples()
data = np.array(data)
data = data.reshape(audio.channels, -1, order='F')

从 NumPy 数组转回 AudioSegment #

针对你得到的[通道数, 采样点数]格式数组，按以下步骤还原即可匹配原转换逻辑：

1. 将数组还原为Fortran顺序的一维数组（与转数组时的order='F'对应）
2. 转换为和原音频一致的样本类型数组（比如16位整数，对应多数WAV格式）
3. 通过AudioSegment的_spawn方法生成新音频对象

具体实现代码：

# 假设data是你处理后的[通道数, 采样点数]格式NumPy数组
# 1. 还原为一维数组，保持Fortran顺序
flat_data = data.reshape(-1, order='F')

# 2. 匹配原音频的样本类型：sample_width=2对应int16，sample_width=1对应uint8
sample_type = np.int16 if audio.sample_width == 2 else np.uint8
flat_data = flat_data.astype(sample_type)

# 3. 生成AudioSegment对象
recovered_audio = audio._spawn(flat_data.tobytes())

关键注意事项 #

• 必须匹配原音频的采样宽度（sample_width）：PyDub的音频样本类型由该参数决定，转换时对应正确的NumPy dtype，否则会出现音频失真或报错。
• 保持数组顺序一致性：转数组用order='F'，转回时也要用相同顺序还原一维数组，确保通道数据排列正确。
• TensorFlow处理后的数组适配：若处理后是float类型，需先映射回原音频样本范围（比如int16对应[-32768, 32767]），再转整数类型：

  # 示例：float数据范围[-1,1]转int16
  data = data * 32767
  data = np.clip(data, -32768, 32767)
  

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