使用librosa加载.wav文件时大振幅值变化及波形异常问题咨询

问题背景 #

想了解使用Librosa加载.wav文件时，文件中的大振幅值会发生什么变化，同时遇到了以下操作异常：

操作1：直接缩放信号播放无变化 #

尝试通过缩放原始采样信号观察振幅对声音的影响：

scaled_signal = signal * 10 # signal是原始采样信号

# 播放缩放后的信号
print('Play the scaled sample:')
display(Audio(data = scaled_signal, rate = sr))

但使用IPython.display.Audio播放时，完全听不到声音变化。

操作2：保存后重新加载的异常现象 #

将缩放后的信号保存到本地后，能听到振幅缩放的差异；再用Librosa重新加载该文件，在Jupyter Notebook中播放可听到缩放效果，但绘制波形时发现形状发生改变，看起来像是振幅被施加了上限。

保存与重新加载的代码：

soundfile.write('scaled_signal.wav', scaled_signal, sr)

# 重新加载缩放后的信号
scaled_signal, sr = librosa.load('scaled_signal.wav', sr = sr)

print('The scaled sample loaded again')
display(Audio(data = scaled_signal, rate = sr))

绘图代码：

fig, axs = plt.subplots(1, 2)
fig.set_figwidth(18)

waveshow(signal, sr = sr, ax = axs[0])
waveshow(scaled_signal, sr = sr, ax = axs[1])

问题原因拆解 #

1. IPython.display.Audio播放无变化的核心原因 #

IPython.display.Audio组件默认会自动将输入信号归一化到[-1, 1]范围。当你直接播放signal * 10时，超出[-1,1]的采样值会被自动截断或线性缩放回合法范围，因此听觉上没有任何变化。

2. 重新加载后波形“削顶”的原因 #

这个现象是WAV文件格式特性+Librosa加载逻辑共同导致的：

• 写入WAV时的硬截断：soundfile.write默认会将浮点型信号（Librosa加载的默认格式）映射到WAV的整数采样格式（比如常见的16位PCM，对应范围[-32768, 32767]）。signal *10的超范围值会被直接截断到该格式的最大值/最小值，产生失真的“削顶”效果，这部分失真会被保存到文件中。
• Librosa加载的映射逻辑：Librosa加载WAV文件时，会将整数采样值重新映射回[-1,1]的浮点范围，但不会修复已有的截断失真——截断后的采样值会保持“顶值”状态，最终绘制的波形就呈现出被施加上限的样子。

补充验证与解决方案 #

• 若要在IPython中直接听到缩放效果，可以关闭Audio的自动归一化（部分版本支持该参数）：

  display(Audio(data=scaled_signal, rate=sr, normalize=False))
  

• 若要避免写入WAV时的截断失真，可选择两种方式：
  1. 先将信号归一化到[-1,1]范围后再写入；
  2. 使用32位浮点格式的WAV文件，该格式支持直接存储[-1,1]范围的浮点值，不会触发截断。

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