如何使用Python实现WEBM转WAV，不依赖ffmpeg及云端转换接口

以下两种方案均仅依赖PyPI可直接安装的Python库，无需调用本地ffmpeg或第三方转换API。

方案1：torchaudio实现（适配绝大多数场景） #

torchaudio官方预编译包内置音视频格式解析、编码解码能力，无需额外系统依赖。

安装依赖 #

pip install torchaudio numpy scipy

示例代码 #

import torchaudio
import numpy as np
from scipy.io import wavfile

def webm_to_wav(input_webm_path, output_wav_path, target_sample_rate=16000):
    # 读取WEBM文件音频流
    waveform, original_sample_rate = torchaudio.load(input_webm_path)
    # 按需重采样到目标采样率
    if original_sample_rate != target_sample_rate:
        resampler = torchaudio.transforms.Resample(
            orig_freq=original_sample_rate,
            new_freq=target_sample_rate
        )
        waveform = resampler(waveform)
    # 转换为16位整型PCM格式
    audio_numpy = waveform.squeeze().numpy()
    audio_numpy = np.int16(audio_numpy / np.max(np.abs(audio_numpy)) * 32767)
    # 写入WAV文件
    wavfile.write(output_wav_path, target_sample_rate, audio_numpy)

# 调用示例
if __name__ == "__main__":
    webm_to_wav("test_input.webm", "test_output.wav")

说明 #

• 处理多声道音频时删除squeeze()调用即可保留多声道维度
• 目标采样率可根据后续音频分析的需求自行调整

方案2：纯Python解析解码（轻量场景、零系统级依赖） #

针对仅包含OPUS编码音频的常规WEBM文件，可直接解析容器+解码实现，依赖包体积更小。

安装依赖 #

pip install webm opuslib numpy scipy

示例代码 #

import webm
import opuslib
import numpy as np
from scipy.io import wavfile

def webm_opus_to_wav(input_webm_path, output_wav_path, sample_rate=48000, channels=1):
    decoder = opuslib.Decoder(sample_rate, channels)
    pcm_frames = []
    # 解析WEBM容器提取OPUS音频帧
    with open(input_webm_path, 'rb') as f:
        parser = webm.Parser(f)
        for elem in parser:
            if isinstance(elem, webm.SimpleBlock) and elem.track == 1: # 默认音频轨为track 1
                decoded_frame = decoder.decode(elem.data, frame_size=960) # 帧大小根据实际编码参数调整
                pcm_frames.append(np.frombuffer(decoded_frame, dtype=np.int16))
    # 拼接所有PCM帧
    full_audio = np.concatenate(pcm_frames)
    # 写入WAV
    wavfile.write(output_wav_path, sample_rate, full_audio)

说明 #

• 仅适配OPUS编码的WEBM文件，其他编码格式需要替换对应的解码库
• 帧大小、轨道编号等参数可根据你的WEBM文件实际元数据调整

内容的提问来源于stack exchange，提问作者RED ALPHA97