Kotlin录制的WAV文件无法被scipy识别的问题求助

问题根源 #

你代码里的MediaRecorder配置存在核心错误：混淆了输出格式和音频编码格式，导致生成的文件并非标准WAV格式：

1. 先设置了AMR_WB输出格式（这是压缩音频格式，不是WAV）
2. 又错误地用AudioFormat.ENCODING_PCM_16BIT覆盖输出格式（这是编码格式常量，不属于MediaRecorder.OutputFormat枚举）

最终生成的文件要么是AMR压缩格式，要么是裸PCM音频数据——这两种都缺少WAV必须的RIFF文件头，所以scipy.wavfile.read会报错。

修复方案（API 26+） #

直接使用Android原生支持的WAV输出格式，自动生成标准RIFF头：

val tmpRecordfile: File = 
    File.createTempFile("birdrec${System.currentTimeMillis()}", ".wav", requireContext().cacheDir)
if (tmpRecordfile.exists()) recordingFilePath = tmpRecordfile.path.toString()

recorder = if (Build.VERSION.SDK_INT >= Build.VERSION_CODES.S) {
    MediaRecorder(requireContext())
} else {
    MediaRecorder()
}

recorder!!.apply {
    setAudioSource(MediaRecorder.AudioSource.MIC)
    // 设置标准WAV输出格式（API 26+支持）
    if (Build.VERSION.SDK_INT >= Build.VERSION_CODES.O) {
        setOutputFormat(MediaRecorder.OutputFormat.WAVE)
    }
    setAudioSamplingRate(44100)
    setAudioChannels(1)
    // 配置PCM 16位编码（WAV标准编码）
    setAudioEncoder(MediaRecorder.AudioEncoder.PCM_16BIT)
    setOutputFile(recordingFilePath)
    prepare()
    start()
}

关键修正点：

• 用MediaRecorder.OutputFormat.WAVE替代错误的输出格式配置，这会自动生成带RIFF头的标准WAV文件
• 用MediaRecorder.AudioEncoder.PCM_16BIT设置音频编码，与WAV格式匹配

低版本兼容方案（API < 26） #

Android 8.0以下不直接支持WAV输出格式，需要录制裸PCM数据后手动添加RIFF头：

// 1. 用AudioRecord录制PCM裸数据
val audioFormat = AudioFormat.Builder()
    .setEncoding(AudioFormat.ENCODING_PCM_16BIT)
    .setSampleRate(44100)
    .setChannelMask(AudioFormat.CHANNEL_IN_MONO)
    .build()

val minBufferSize = AudioRecord.getMinBufferSize(44100, AudioFormat.CHANNEL_IN_MONO, AudioFormat.ENCODING_PCM_16BIT)
val audioRecord = AudioRecord(
    MediaRecorder.AudioSource.MIC,
    44100,
    AudioFormat.CHANNEL_IN_MONO,
    AudioFormat.ENCODING_PCM_16BIT,
    minBufferSize * 2
)

val pcmFile = File(requireContext().cacheDir, "temp.pcm")
val outputStream = FileOutputStream(pcmFile)
val buffer = ByteArray(minBufferSize)

audioRecord.startRecording()
while (isRecording) {
    val read = audioRecord.read(buffer, 0, buffer.size)
    if (read > 0) outputStream.write(buffer, 0, read)
}
audioRecord.stop()
outputStream.close()

// 2. 将PCM转换为带RIFF头的WAV文件
convertPcmToWav(pcmFile, tmpRecordfile, 44100, 1, 16)
pcmFile.delete()

// 转换工具函数
fun convertPcmToWav(pcmFile: File, wavFile: File, sampleRate: Int, channels: Int, bitsPerSample: Int) {
    val pcmSize = pcmFile.length().toInt()
    val wavOut = FileOutputStream(wavFile)

    // 写入RIFF头
    wavOut.write(byteArrayOf('R'.code.toByte(), 'I'.code.toByte(), 'F'.code.toByte(), 'F'.code.toByte()))
    wavOut.write((36 + pcmSize).toLittleEndianBytes())
    wavOut.write(byteArrayOf('W'.code.toByte(), 'A'.code.toByte(), 'V'.code.toByte(), 'E'.code.toByte()))

    // 写入fmt子块
    wavOut.write(byteArrayOf('f'.code.toByte(), 'm'.code.toByte(), 't'.code.toByte(), ' '.code.toByte()))
    wavOut.write(16.toLittleEndianBytes()) // PCM格式块大小
    wavOut.write(1.toLittleEndianBytes()) // PCM编码标识
    wavOut.write(channels.toLittleEndianBytes())
    wavOut.write(sampleRate.toLittleEndianBytes())
    val byteRate = sampleRate * channels * bitsPerSample / 8
    wavOut.write(byteRate.toLittleEndianBytes())
    val blockAlign = channels * bitsPerSample / 8
    wavOut.write(blockAlign.toLittleEndianBytes())
    wavOut.write(bitsPerSample.toLittleEndianBytes())

    // 写入data子块
    wavOut.write(byteArrayOf('d'.code.toByte(), 'a'.code.toByte(), 't'.code.toByte(), 'a'.code.toByte()))
    wavOut.write(pcmSize.toLittleEndianBytes())

    // 写入PCM数据
    val pcmIn = FileInputStream(pcmFile)
    val buffer = ByteArray(1024)
    var read: Int
    while (pcmIn.read(buffer).also { read = it } != -1) {
        wavOut.write(buffer, 0, read)
    }

    pcmIn.close()
    wavOut.close()
}

// 扩展函数：Int转小端字节数组
fun Int.toLittleEndianBytes(): ByteArray {
    return byteArrayOf(
        (this and 0xFF).toByte(),
        ((this shr 8) and 0xFF).toByte(),
        ((this shr 16) and 0xFF).toByte(),
        ((this shr 24) and 0xFF).toByte()
    )
}

验证方法 #

1. 录制完成后，用记事本打开WAV文件，开头应能看到RIFF字符串
2. 上传到Flask服务器后，scipy.wavfile.read可正常读取采样率和音频数据

额外注意事项 #

• 上传代码中设置的audio/wav Content-Type是正确的，无需修改
• 服务器端直接保存上传文件的逻辑没问题，不要修改文件原始内容

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