如何使用Pydub将多个WAV文件按指定开始时间叠加导出为单文件

你需要的功能可以直接通过overlay()方法自带的position参数实现，该参数用于指定叠加音频在基底音频上的开始播放时间，单位为毫秒。

双音频场景适配代码 #

你原有代码存在变量名不匹配的问题（导入的变量名为audio_1/audio_2，调用时用了vln_audio_1/vla_audio_2），修正后的实现如下：

from pydub import AudioSegment

audio_1 = AudioSegment.from_file("audio_1.wav", format="wav")
audio_2 = AudioSegment.from_file("audio_2.wav", format="wav")

# audio_2从第5秒（5*1000=5000毫秒）位置开始播放
overlay = audio_1.overlay(audio_2, position=5000)
file_handle = overlay.export("output2.wav", format="wav")

多音频批量叠加通用方案 #

如果有多个音频需要分别对应不同的开始时间，可以先计算总时长生成空白基底音频，再循环叠加，避免音频内容被截断：

from pydub import AudioSegment

# 配置项：格式为（音频文件路径，该音频开始播放的时间/秒）
audio_list = [
    ("audio_1.wav", 0),
    ("audio_2.wav", 5),
    ("audio_3.wav", 8),
    ("audio_4.wav", 12)
]

# 预加载所有音频并计算最终输出的总时长
segments = []
total_duration = 0
for path, start_sec in audio_list:
    seg = AudioSegment.from_file(path, format="wav")
    start_ms = start_sec * 1000
    segments.append((seg, start_ms))
    # 计算当前音频的结束时间
    end_time = start_ms + len(seg)
    if end_time > total_duration:
        total_duration = end_time

# 生成对应时长的空白基底音频
output_audio = AudioSegment.silent(duration=total_duration)

# 按指定位置叠加所有音频
for seg, start_ms in segments:
    output_audio = output_audio.overlay(seg, position=start_ms)

# 导出最终文件
output_audio.export("final_output.wav", format="wav")

注意事项 #

• position参数单位为毫秒，传入秒级时间时需要乘以1000做单位转换
• 如果基底音频时长小于叠加音频的结束时间（开始时间+叠加音频自身时长），超出部分会被自动截断，多音频叠加时建议先计算总时长生成空白基底，避免内容丢失

内容的提问来源于stack exchange，提问作者John