如何用torchaudio实现与ffmpeg指定命令一致的音频重采样效果？

你的目标ffmpeg命令ffmpeg -i source -ac 1 -ar 16000 target包含两个核心操作：

• 将音频转为单声道（-ac 1）
• 重采样至16000Hz（-ar 16000）

你当前的torchaudio代码只完成了重采样，缺少单声道转换步骤，以下是补全后的完整代码：

import torch
import torchaudio

# 加载音频文件，返回波形（形状为[通道数, 采样点数]）和原采样率
waveform, sr = torchaudio.load(filepath)

# 将多声道音频转换为单声道（ffmpeg默认采用通道均值的方式合并）
if waveform.size(0) > 1:
    waveform = torch.mean(waveform, dim=0, keepdim=True)

# 初始化重采样变换并执行重采样
transform = torchaudio.transforms.Resample(orig_freq=sr, new_freq=16000)
waveform = transform(waveform)

关键细节说明： #

• ffmpeg的-ac 1默认会对多声道音频取通道均值来生成单声道，代码中用torch.mean(waveform, dim=0, keepdim=True)实现了相同逻辑
• 保留keepdim=True是为了维持波形的维度结构（保持[1, 采样点数]的形状，和torchaudio的张量格式一致）

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