使用Torchaudio保存的WAV文件体积为何约为原文件两倍？

你的猜测完全正确，核心原因是原始WAV文件采用了压缩编码格式，而torchaudio.save()默认以无压缩的32位浮点PCM格式保存音频，导致文件体积翻倍。

具体拆解： #

• 原始WAV的本质：WAV是音频容器格式，并非只有无压缩PCM一种编码。你的原文件体积约334KB，对应167226个采样点，计算下来每个采样点约占2字节——这符合16位整数编码（如μ-law、A-law或压缩PCM）的特征，是压缩/低比特深度的表现。
• torchaudio的加载逻辑：torchaudio.load()会将任何编码的音频统一解码为32位浮点张量（torch.float32），这是它的默认解码规则，加载后的数据已经是无压缩的浮点格式。
• torchaudio的保存逻辑：torchaudio.save()默认使用无压缩的32位浮点PCM格式保存，每个采样点占用4字节。167226×4≈668904字节，和你保存后的668962字节基本一致（差异来自WAV文件头的少量额外数据）。二次保存时，加载的是无压缩浮点WAV，保存后格式不变，所以体积不再变化。

关键提示与关键词 #

• WAV容器编码多样性：WAV支持μ-law、A-law、ADPCM等压缩编码，并非都是无压缩PCM
• torchaudio编解码默认行为：load()默认解码为float32，save()默认保存为32位浮点PCM
• 音频比特深度：16位整数（2字节/采样）与32位浮点（4字节/采样）的体积差异
• 原始文件编码验证：可用ffmpeg、Audacity等工具查看原WAV的具体编码格式

你的代码 #

import os
import torchaudio
import torch  # 原代码漏导入torch，否则torch.equal会报错

ori_audio, ori_sr = torchaudio.load('LJ037-0171.wav')

torchaudio.save('LJ037-0171_resave.wav', ori_audio, ori_sr)

resave_audio, resave_sr = torchaudio.load('LJ037-0171_resave.wav')

print(f'Original sr: {ori_sr}, Resaved sr: {resave_sr}')
print(f'Audio tensor equal: {torch.equal(ori_audio, resave_audio)}')
print(f'datatype of ori_audio: {ori_audio[0, 1].dtype}')
print(f'datatype of resave_audio: {resave_audio[0, 1].dtype}')  # 原代码此处变量名笔误
print(f'Shape of ori: {ori_audio.shape}')
print(f'Shape of resave: {resave_audio.shape}')  # 原代码此处变量名笔误

print(f'File size of original wav: {os.path.getsize("LJ037-0171.wav")}')
print(f'File size of resaved wav: {os.path.getsize("LJ037-0171_resave.wav")}')

输出结果 #

Original sr: 22050, Resaved sr: 22050
Audio tensor equal: True
datatype of ori_audio: torch.float32
datatype of resave_audio: torch.float32
Shape of ori: torch.Size([1, 167226])
Shape of resave: torch.Size([1, 167226])
File size of original wav: 334496
File size of resaved wav: 668962

内容的提问来源于stack exchange，提问作者KilinWei