从PyAudio提取Numpy数组时出现噪音与失真问题

AI 小北

2026-7-3

问题描述

我想用支持回环设备的PyAudio补丁录制电脑音频输出，实现实时处理与响应。目前录制音频到文件时音质正常，但转换为Numpy数组后播放却满是噪音，信号严重失真。

改用麦克风输入简化代码后问题依旧，复现代码如下：

import numpy as np
import pyaudiowpatch as pyaudio
import wave
import sounddevice as sd
from matplotlib import pyplot as plt

FORMAT = pyaudio.paInt16
CHANNELS = 2
RATE = 44100
CHUNK = 1048
RECORD_SECONDS = 5
WAVE_OUTPUT_FILENAME = "file.wav"


p = pyaudio.PyAudio()


stream = p.open(format=FORMAT, channels=CHANNELS,
                    rate=RATE, input=True,
                    frames_per_buffer=CHUNK)
print("recording...")
frames = []
fulldata = np.empty(RATE*RECORD_SECONDS*CHANNELS)

for i in range(0, int(RATE / CHUNK * RECORD_SECONDS)):
    print(i)
    data = stream.read(CHUNK)
    numpydata = np.frombuffer(data, dtype='int16')
    fulldata[i*CHUNK*CHANNELS:(i+1)*CHUNK*CHANNELS] = numpydata
    frames.append(data)
print("finished recording")
channel0 = fulldata[0::CHANNELS]

print('playing')
sd.play(channel0, samplerate=RATE, blocking=True)


# stop Recording
stream.stop_stream()
stream.close()
p.terminate()

waveFile = wave.open(WAVE_OUTPUT_FILENAME, 'wb')
waveFile.setnchannels(CHANNELS)
waveFile.setsampwidth(p.get_sample_size(FORMAT))
waveFile.setframerate(RATE)
waveFile.writeframes(b''.join(frames))
waveFile.close()

我试过相关方法，录制的文件音质没问题，但转Numpy数组后播放就异常。已经按通道交替排列提取了单通道，先存文件再用librosa加载播放是正常的。注意到录制采样率是48000，但加载WAV时是22050，不确定是否有关。也怀疑过延迟，但不知道怎么设置。想问下有没有其他转换Numpy数组的方法，或者我漏了什么关键点？

解决方案

问题核心出在数据类型不匹配和采样率不一致两个关键点：

数据类型转换错误
你用np.empty创建的fulldata默认是float64类型，而从音频流读取的是int16格式的原始音频数据（范围为[-32768, 32767]）。直接将int16数值赋值到浮点数组后，sounddevice会把这些数值当成浮点音频样本（正常范围是[-1.0, 1.0]），远超范围的数值会导致严重削波，最终产生噪音。
采样率不一致的潜在问题
你代码里配置的录制采样率是44100，但实际录制是48000、加载文件时是22050，这种参数不匹配会导致播放速度、音调异常，甚至加剧失真。必须确保录制、播放环节的采样率完全统一。

修复步骤：

要么将存储数组初始化为int16类型，和原始音频格式匹配；要么将int16数据归一化到[-1.0, 1.0]的浮点范围（推荐，sounddevice对浮点样本支持更稳定）
核对并统一所有环节的采样率参数

修改后的关键代码片段：

# 方案1：用int16类型存储数组，和原始音频格式匹配
fulldata = np.empty(RATE*RECORD_SECONDS*CHANNELS, dtype=np.int16)

# 方案2：归一化到浮点范围（更推荐）
fulldata = np.empty(RATE*RECORD_SECONDS*CHANNELS, dtype=np.float32)
# 读取后转换并归一化
numpydata = np.frombuffer(data, dtype='int16').astype(np.float32) / 32767.0

另外，提取单通道播放时，务必保证sd.play的samplerate参数和实际录制的采样率一致，比如实际录制是48000，就不能用代码里写的44100。

内容的提问来源于stack exchange，提问作者FerdyG