Flask中使用Generator/Yield流式播放音频仅播放首文件问题排查

直接拼接两个完整WAV文件的二进制内容是错误的。WAV文件由文件头和音频采样数据两部分组成，播放器会将第一个文件的头作为整个流的格式依据，第二个文件的头会被当成无效的音频数据，导致无法识别播放。

需要合并两个WAV的音频数据，同时生成一个包含正确总时长的统一WAV头，再流式返回完整的合并内容：

1. 读取两个WAV文件的格式参数（需确保采样率、位深、声道数一致，否则需转码）
2. 计算合并后的总音频数据长度，修改第一个文件的头信息
3. 流式返回修改后的头，再依次返回两个文件的音频采样数据

from flask import Flask, Response
import random
import wave
import struct

app = Flask(__name__)

@app.route('/')
def paadas():
    def generate_merged_wav():
        # 随机选择文件路径
        number_path = f"../numbers/{random.randint(1,10)}.wav"
        times_path = f"../times/{random.randint(1,10)}.wav"

        # 处理第一个WAV文件，获取格式参数和音频数据
        with wave.open(number_path, 'rb') as wav1:
            params = wav1.getparams()
            nchannels, sampwidth, framerate, nframes, comptype, compname = params
            audio_data1 = wav1.readframes(nframes)

        # 处理第二个WAV文件，仅读取音频数据（跳过文件头）
        with wave.open(times_path, 'rb') as wav2:
            # 验证参数一致性，不一致需转码处理
            assert wav2.getparams()[:3] == params[:3], "WAV文件采样率/声道数/位深不匹配"
            nframes2 = wav2.getnframes()
            audio_data2 = wav2.readframes(nframes2)

        # 计算合并后的总帧数与数据大小
        total_frames = nframes + nframes2
        data_size = total_frames * nchannels * sampwidth

        # 读取第一个文件的原始头并修改关键参数
        with open(number_path, 'rb') as f:
            header = f.read(44)  # 标准PCM WAV头为44字节
        # 修改总帧数（偏移40-43字节，小端格式）
        header = header[:40] + struct.pack('<L', total_frames) + header[44:]
        # 修改文件总大小（偏移4-7字节，小端格式：36为头固定长度，加上数据大小）
        header = header[:4] + struct.pack('<L', 36 + data_size) + header[8:]

        # 流式返回合并后的内容
        yield header
        yield audio_data1
        yield audio_data2

    return Response(generate_merged_wav(), mimetype='audio/wav')

if __name__ == '__main__':
    app.run(debug=True)

• 必须保证两个WAV文件的采样率、声道数、位深完全一致，否则合并后的音频会失真或无法播放；若参数不一致，需先通过音频处理库（如pydub）进行转码
• 使用wave模块读取音频数据，避免直接读取二进制文件导致的头信息处理错误
• 用struct模块修改WAV头中的总帧数和数据大小，确保播放器能正确识别整个音频流的长度

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