如何用Python将5.1/7.1多声道WAV音频转换为立体声？

处理5.1/7.1声道WAV转立体声，核心是声道下混——把多声道的音频信号按规则混合到左右两个声道，下面是两种实用方案：

方案一：用pydub快速实现（适合快速开发） #

pydub封装了音频处理逻辑，搭配ffmpeg可以轻松处理多声道，步骤如下：

1. 安装依赖：

pip install pydub

同时需要确保系统安装了ffmpeg（可从官网下载或通过包管理器安装）。

2. 代码示例（以5.1声道为例）：

from pydub import AudioSegment

# 加载多声道WAV
multi_channel = AudioSegment.from_wav("input_5.1.wav")

# 拆分所有声道（5.1默认顺序：前左、前右、中置、低音、后左、后右）
mono_channels = multi_channel.split_to_mono()

# 下混规则：前声道保留，中置/环绕声道降音量后混合到对应左右声道
left = mono_channels[0].overlay(mono_channels[2] - 3).overlay(mono_channels[4] - 3)
right = mono_channels[1].overlay(mono_channels[2] - 3).overlay(mono_channels[5] - 3)

# 合并成立体声并导出
stereo_audio = left + right
stereo_audio.export("output_stereo.wav", format="wav")

• -3表示将中置/环绕声道音量降低3dB，避免叠加后音量过载失真；
• 如果是7.1声道，拆分后会有8个声道，可额外加入侧左/侧右声道（第6、7个索引）的混合。

方案二：用soundfile+numpy手动控制（适合自定义下混规则） #

如果需要更精细的声道混合控制，用soundfile读取音频数据，结合numpy计算下混：

1. 安装依赖：

pip install soundfile numpy

2. 代码示例（以7.1声道为例）：

import soundfile as sf
import numpy as np

# 读取音频数据和采样率
audio_data, sample_rate = sf.read("input_7.1.wav")

# 7.1声道默认顺序：前左、前右、中置、低音、后左、后右、侧左、侧右
# 按标准下混系数计算左右声道
left_channel = audio_data[:, 0] + 0.707 * audio_data[:, 2] + 0.5 * audio_data[:, 4] + 0.5 * audio_data[:, 6]
right_channel = audio_data[:, 1] + 0.707 * audio_data[:, 2] + 0.5 * audio_data[:, 5] + 0.5 * audio_data[:, 7]

# 合并成立体声数组（形状为：(样本数, 2)）
stereo_data = np.column_stack((left_channel, right_channel))

# 归一化处理，防止信号超出范围导致失真
stereo_data = np.clip(stereo_data, -1.0, 1.0)

# 导出立体声WAV
sf.write("output_stereo.wav", stereo_data, sample_rate)

• 系数说明：0.707对应-3dB（1/√2），0.5对应-6dB，符合专业音频下混的音量匹配规则；
• 若处理5.1声道，只需要去掉侧左/侧右的计算项即可。

注意事项 #

• 声道顺序：部分WAV文件的声道布局可能和默认不同，如果导出的立体声异常，可通过打印audio_data.shape查看声道数，结合音频工具确认实际声道顺序；
• 音量过载：叠加多个声道时必须调整音量或做归一化，否则会出现削波失真，导致音频破音；
• 格式兼容：WAV文件的采样格式（如16bit/24bit）会被自动保留，无需额外设置。

内容的提问来源于stack exchange，提问作者ZFTurbo