使用Pydub创建多声道音频报错求助：帧计数不匹配问题

我用Pydub创建多声道音频文件时出现报错，已知各声道需要长度完全一致且帧计数相同，虽确认声道大小一致，但不知道怎么验证帧计数是否匹配。

我的代码 #

from pydub import AudioSegment
from pydub.playback import play
from playsound import playsound

left_channel = AudioSegment.from_wav("scripts_OUN\Single Cricket Chirping Effect.wav")
right_channel = AudioSegment.from_wav("scripts_OUN\d.wav")
left_channel_v2 = left_channel + AudioSegment.silent(duration=152009)
left = left_channel_v2.set_channels(1)
right = right_channel.set_channels(1)
print(len(left_channel_v2))
print(len(right_channel))
print(len(left_channel_v2)==len(right_channel))
print(left_channel.set_frame_rate)
mutli_channel = AudioSegment.from_mono_audiosegments(left,right)
mutli_channel.export("v3.wav", format="wav")

报错信息 #

1. 输出方法绑定信息：<bound method AudioSegment.set_frame_rate of <pydub.audio_segment.AudioSegment object at 0x000002ACB8076A40>>
2. 值错误：尝试将大小为12324755的数组分配给大小为12324781的扩展切片

问题分析与解决 #

1. 第一个输出问题 #

print(left_channel.set_frame_rate) 错误调用了方法对象，若要查看音频的帧率，应该访问frame_rate属性，改为：

print(left_channel.frame_rate)
print(right_channel.frame_rate)

2. 帧计数不匹配的核心问题 #

len()返回的是毫秒时长，即使时长一致，若两个音频的帧率不同，实际帧数量（时长(ms) * 帧率 / 1000）会出现差异，且必须是整数，否则会有精度误差。

验证帧计数的方法

使用frame_count()方法直接获取每个声道的帧数量：

print(left.frame_count())
print(right.frame_count())
print(left.frame_count() == right.frame_count())

解决步骤

• 统一两个声道的帧率：将左右声道都设置为相同的帧率（比如44100）
• 精确计算需要补充的静音时长，确保最终帧计数完全一致

修改后的示例代码：

from pydub import AudioSegment

# 加载音频
left_channel = AudioSegment.from_wav("scripts_OUN\Single Cricket Chirping Effect.wav")
right_channel = AudioSegment.from_wav("scripts_OUN\d.wav")

# 统一帧率为44100（可根据实际需求调整）
target_frame_rate = 44100
left_channel = left_channel.set_frame_rate(target_frame_rate)
right_channel = right_channel.set_frame_rate(target_frame_rate)

# 计算需要补充的静音时长，确保帧计数一致
right_frame_count = right_channel.frame_count()
left_frame_count = left_channel.frame_count()

if left_frame_count < right_frame_count:
    # 计算需要补充的静音帧数量，转成毫秒
    silence_frames = right_frame_count - left_frame_count
    silence_duration = int(silence_frames * 1000 / target_frame_rate)
    left_channel_v2 = left_channel + AudioSegment.silent(duration=silence_duration, frame_rate=target_frame_rate)
else:
    left_channel_v2 = left_channel

# 转为单声道
left = left_channel_v2.set_channels(1)
right = right_channel.set_channels(1)

# 验证帧计数
print(left.frame_count())
print(right.frame_count())
print(left.frame_count() == right.frame_count())

# 创建多声道音频并导出
multi_channel = AudioSegment.from_mono_audiosegments(left, right)
multi_channel.export("v3.wav", format="wav")

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