使用Librosa处理MP3音频：立体声保存及MP3读写问题求助

一、用soundfile写入立体声WAV文件 #

你的代码保存单声道的核心原因是librosa.load默认会将立体声转为单声道（默认参数mono=True），只需修改加载逻辑就能保留立体声，步骤如下：

1. 加载音频时设置mono=False，此时返回的audio是形状为(声道数, 采样点数)的二维数组
2. librosa.effects.trim支持多声道输入，返回的裁剪后音频依然是二维数组
3. 直接用soundfile写入二维数组即可保存立体声

修改后的代码：

import audioread, librosa
import soundfile as sf

filename="../sounds/music.mp3"

audio_file = audioread.audio_open(filename)
# 关键：设置mono=False保留立体声
audio, sr = librosa.load(audio_file, sr=44100, mono=False)
# 多声道下trim依然有效，返回裁剪后的音频和起止索引
clip_audio, _ = librosa.effects.trim(audio, top_db=10)
# 直接写入二维数组，soundfile自动识别为立体声
sf.write('../sounds/output/out.wav', clip_audio, sr, 'PCM_24')

注：soundfile本身不支持直接写入MP3格式，需配合其他库实现（见下文）。

二、支持MP3读写且兼容Librosa的库推荐 #

1. Pydub #

• 支持直接读写MP3、WAV等多种格式，依赖FFmpeg（需提前安装并配置环境变量）
• 可与Librosa无缝配合：将Pydub加载的音频转为NumPy数组交给Librosa处理，处理后再转回Pydub对象保存为MP3

示例代码：

from pydub import AudioSegment
import librosa
import numpy as np

# 加载MP3
audio = AudioSegment.from_mp3("../sounds/music.mp3")
# 转为Librosa可用的NumPy数组（形状：(声道数, 采样点数)）
samples = np.array(audio.get_array_of_samples()).reshape(-1, audio.channels).T
sr = audio.frame_rate

# Librosa处理：静音裁剪+音量归一化
trimmed_audio, _ = librosa.effects.trim(samples, top_db=10)
normalized_audio = librosa.util.normalize(trimmed_audio)

# 转回Pydub对象并保存为MP3
normalized_samples = (normalized_audio.T * 32767).astype(np.int16).flatten()
output_audio = AudioSegment(
    normalized_samples.tobytes(),
    frame_rate=sr,
    sample_width=audio.sample_width,
    channels=audio.channels
)
output_audio.export("../sounds/output/out.mp3", format="mp3")

2. FFmpeg-Python #

• 直接调用FFmpeg功能，支持几乎所有音频格式的读写与处理
• 可先通过FFmpeg读取MP3为原始音频数据，交给Librosa处理后，再用FFmpeg写入MP3

3. Torchaudio #

• 基于PyTorch的音频库，支持MP3读写（依赖FFmpeg）
• 可将音频转为张量后转为NumPy数组交给Librosa处理，处理完成后转回张量保存

内容的提问来源于stack exchange，提问作者ussrback