使用PyAudio录制多声道音频：拆分单声道文件及Float32格式保存问题

声道交错规则 #

PyAudio录制的多声道数据采用交错存储：每个采样周期内，按声道顺序依次存储单个采样值。比如6声道时，数据顺序为：
声道1采样1 → 声道2采样1 → ... → 声道6采样1 → 声道1采样2 → 声道2采样2 → ...

1. 当前Int24格式拆分方案 #

利用numpy处理字节数据，步骤如下：

步骤1：导入依赖库

import numpy as np
import wave
import pyaudio

步骤2：处理录制的frames数据

# 拼接所有录制的字节数据
raw_data = b''.join(frames)
channels_in = 6  # 你的输入声道数
sample_width = 3  # Int24占3字节

# 将字节数据转换为numpy数组（Int24需转为Int32处理，补高位）
# PyAudio的Int24是小端字节序
int24_data = np.frombuffer(raw_data, dtype=np.uint8).reshape(-1, 3)
int32_data = np.zeros((int24_data.shape[0], 4), dtype=np.uint8)
int32_data[:, :3] = int24_data
# 处理符号位：最高位为1时说明是负数，补全高位为0xFF
int32_data[int24_data[:, 2] >= 128, 3] = 0xFF
audio_array = int32_data.view(np.int32) / 2**24  # 可选：归一化到[-1.0, 1.0]

# 重塑为(总采样数, 声道数)的二维数组
audio_array = audio_array.reshape(-1, channels_in)

# 拆分并保存每个声道
for idx in range(channels_in):
    # 提取单声道数据
    mono_data = audio_array[:, idx]
    # 转回Int24字节格式
    int32_mono = (mono_data * 2**24).astype(np.int32)
    int24_mono = int32_mono.view(np.uint8).reshape(-1, 4)[:, :3].flatten()
    
    # 保存单声道WAV文件
    with wave.open(f'mono_channel_{idx+1}.wav', 'wb') as wf:
        wf.setnchannels(1)
        wf.setsampwidth(sample_width)
        wf.setframerate(fs)
        wf.writeframes(int24_mono.tobytes())

2. 后续Float32格式处理方案 #

改用soundfile处理更简洁，无需手动处理字节转换：

步骤1：修改录制格式

sample_format = pyaudio.paFloat32  # 切换为Float32格式
fs = 48000
chunk = 1024
channels_in = 6

# 初始化录制流
rec_stream = p.open(format=sample_format,
                    channels=channels_in,
                    rate=fs,
                    frames_per_buffer=chunk,
                    input=True,
                    input_device_index=recdevice)

步骤2：录制后拆分并保存

import soundfile as sf

# 拼接字节数据并转换为Float32数组
raw_data = b''.join(frames)
audio_array = np.frombuffer(raw_data, dtype=np.float32).reshape(-1, channels_in)

# 拆分每个声道并保存
for idx in range(channels_in):
    mono_data = audio_array[:, idx]
    sf.write(f'mono_channel_{idx+1}_float32.wav', mono_data, fs, format='WAV', subtype='FLOAT')

关键说明 #

• 两种格式的拆分逻辑核心一致：都是将一维数组重塑为(总采样数, 声道数)，然后按列提取单声道数据。
• Float32格式下，soundfile直接支持读写，无需手动处理字节转换，比wave模块更高效。
• 原录制+播放的循环逻辑无需修改，仅需调整录制后的处理代码即可。

内容的提问来源于stack exchange，提问作者anton