如何将numpy数组音频导出为m4a等有损格式？解决WAV大小限制

方法一：使用pydub（封装FFmpeg，操作简单） #

pydub是简化音频处理的Python库，依赖FFmpeg实现格式转换。

1. 安装依赖

pip install pydub

确保系统已安装FFmpeg：macOS可通过brew install ffmpeg安装，Linux用对应包管理器，Windows需手动下载并添加到环境变量。

2. 转换代码

import numpy as np
from pydub import AudioSegment

# 你的音频参数与归一化后的numpy数组
sample_rate = 48000
audio_normalized = audio / np.max(np.abs(audio))

# 将浮点数组转为16位整数格式（pydub默认使用16位PCM）
audio_int16 = (audio_normalized * 32767).astype(np.int16)

# 创建AudioSegment对象，channels=1为单声道，立体声改为2
audio_segment = AudioSegment(
    audio_int16.tobytes(),
    frame_rate=sample_rate,
    sample_width=audio_int16.dtype.itemsize,
    channels=1
)

# 导出为MP3，比特率可按需调整
audio_segment.export("output.mp3", format="mp3", bitrate="128k")

# 导出为M4A（用ipod格式兼容M4A标准）
audio_segment.export("output.m4a", format="ipod", bitrate="128k")

方法二：直接使用ffmpeg-python（灵活可控） #

ffmpeg-python是FFmpeg的Python绑定，适合需要精细控制转换流程的场景。

1. 安装依赖

pip install ffmpeg-python

同样需要系统已安装FFmpeg。

2. 转换代码

import numpy as np
import ffmpeg

sample_rate = 48000
audio_normalized = audio / np.max(np.abs(audio))

# 将归一化数组转为float32格式，适配FFmpeg的f32le输入规范
audio_float32 = audio_normalized.astype(np.float32)

# 导出为MP3，ac=1为单声道，立体声改为2
(
    ffmpeg
    .input('pipe:', format='f32le', ac=1, ar=sample_rate)
    .output('output.mp3', audio_bitrate='128k')
    .run(input=audio_float32.tobytes(), quiet=True)
)

# 导出为M4A
(
    ffmpeg
    .input('pipe:', format='f32le', ac=1, ar=sample_rate)
    .output('output.m4a', audio_bitrate='128k', format='mp4')
    .run(input=audio_float32.tobytes(), quiet=True)
)

关键注意事项 #

• 通道数：若TTS输出为立体声，需将代码中channels=1/ac=1改为channels=2/ac=2。
• 比特率：调整bitrate可平衡音质与文件大小，MP3可选64k-192k，M4A可选96k-256k。
• 格式匹配：确保numpy数组格式与库要求一致，比如pydub需整数格式，ffmpeg此处用float32小端格式。

内容的提问来源于stack exchange，提问作者HappyFace