Python使用numpy生成音频信号时内存不足问题的解决方案

开发者阿泽

2026-8-27

问题核心原因

你遇到的内存不足根本不是numpy默认浮点类型的问题，是代码里的几处低级bug直接生成了超大规模数组，16G内存完全扛不住：

采样率参数笔误：你代码里写的fs = 441000，是你描述中常用的44100Hz的10倍，直接把所有数组预期长度放大了10倍，但这还不是爆内存的核心原因。
np.arange用法完全错误，生成了超量数组：比如BuildSyllable函数里的st = np.arange(0,33075,1.0/fs)，当fs为441000时步长约为2.26e-6，从0到33075按这个步长生成数组，总长度超过140亿个元素，单这一个数组按默认float64计算就要占1TB以上内存，不报错才怪。
循环里用np.append拼数组的习惯极差：numpy数组是连续内存结构，每次调用np.append都会完整复制整个原数组生成新数组，时间和内存开销是平方级，拼长数组时内存占用会达到最终数组大小的数倍到数十倍。
多处逻辑/语法错误：比如对Python列表用np.size算长度、给list.append传两个参数、对嵌套列表直接转int、绘图时传入嵌套列表而非一维numpy数组，这些问题都会触发意外的内存分配或者直接报错。

你处理的最长5秒、44100Hz采样率的音频，满打满算也就22万个采样点，就算全用默认float64存储，总内存占用也不到2MB，不可能出现内存不足。

修复&优化方案

修正基础参数：先把采样率改回实际使用的fs = 44100，去掉多写的0。
彻底改对时间轴/数组的生成逻辑：所有等间隔数组都先算精确的整数采样点数，再生成数组，最后做单位转换，绝对不要用「总时长/采样率」当步长传给np.arange，浮点数精度误差很容易导致步长计算错误、数组长度偏差。比如生成PulseLength秒的时间轴，正确写法是：

# 先算整数采样点，直接指定dtype省内存
n_pulse = int(PulseLength * fs)
wt = np.arange(n_pulse, dtype=np.float32) / fs

这种写法生成的数组长度完全可控，不会出现意外的超大数组，用float32还能比默认float64省一半内存。

禁止在循环里用np.append拼数组：两种正确的拼接方式选其一即可：
- 提前算好最终数组的总长度，用np.zeros一次性分配整块内存，再按索引分段填充内容，内存开销最低
- 拼接短片段时先把所有片段存在普通Python列表里，最后用np.concatenate一次性合并为numpy数组，比循环np.append效率高两个数量级，内存开销也极小。
按需指定数组dtype：音频处理场景下，中间计算用np.float32精度完全足够，比默认float64省一半内存；最终输出wav的信号直接转np.int16，每个采样点只占2字节，是float64的1/4大小。生成零数组、空数组的时候直接在参数里指定dtype即可，比如np.zeros(n, dtype=np.int16)。
改掉错误的长度计算和传参习惯：Python原生列表用len()算长度，不要用np.size；给matplotlib传绘图数据前必须确保是一维numpy数组，不要传嵌套列表；list.append每次只能传一个元素，要加多个元素用list.extend或者先把元素整理成列表再拼接。

修复后的核心代码参考

import numpy as np
import matplotlib.pyplot as plt
from scipy.io import wavfile

# 基础参数修正
fs = 44100
SignalLength = 5.0
PulseLength = 0.025
NumberofPulses = 3
InterPInterval = 0.025
InterSInterval = 0.375
CarrierFreq = 4200.0
RiseTime = 0.005
FallTime = 0.005
Amplitude = 0.8

def BuildPulse():
    n_pulse = int(PulseLength * fs)
    wt = np.arange(n_pulse, dtype=np.float32) / fs
    CarrierCall = Amplitude * np.sin(np.pi * 2.0 * CarrierFreq * wt)

    # 上升沿包络
    n_rise = int(RiseTime * fs)
    wrt = np.arange(n_rise, dtype=np.float32) / n_rise * np.pi/2
    wrt_env = np.sin(wrt)
    # 下降沿包络
    n_fall = int(FallTime * fs)
    wft = np.arange(n_fall, dtype=np.float32) / n_fall * np.pi/2
    wft_env = np.sin(np.flip(wft))

    CarrierCall[:n_rise] *= wrt_env
    CarrierCall[-n_fall:] *= wft_env

    plt.plot(wt, CarrierCall)
    plt.show()

    # 转int16存wav
    CarrierCall = (CarrierCall * 32767).astype(np.int16)
    wavfile.write("Pulse_Test2.wav", fs, CarrierCall)
    return CarrierCall

def BuildSyllable():
    n_ipi = int(InterPInterval * fs)
    space_ipi = np.zeros(n_ipi, dtype=np.int16)
    syllable_parts = []
    for _ in range(NumberofPulses):
        syllable_parts.append(Pulse)
        syllable_parts.append(space_ipi)
    syllable = np.concatenate(syllable_parts, dtype=np.int16)
    
    st = np.arange(len(syllable), dtype=np.float32) / fs
    plt.plot(st, syllable)
    plt.show()
    return syllable

def BuildCall():
    n_isi = int(InterSInterval * fs)
    space_isi = np.zeros(n_isi, dtype=np.int16)
    syllable_len = len(Syllable)
    n_syllables = int(np.floor(SignalLength * fs / (syllable_len + n_isi)))
    
    call_parts = []
    for _ in range(n_syllables):
        call_parts.append(Syllable)
        call_parts.append(space_isi)
    calls = np.concatenate(call_parts, dtype=np.int16)
    return calls

Pulse = BuildPulse()
Syllable = BuildSyllable()
Playback = BuildCall()

time_sig = np.arange(len(Playback), dtype=np.float32) / fs
plt.plot(time_sig, Playback)
plt.show()

改完之后整个运行过程的内存占用不会超过100MB，完全不会触发内存错误。

内容的提问来源于stack exchange，提问作者Grey