如何对numpy数组进行分数倍拉伸以适配pygame音频处理需求

核心思路 #

使用numpy做线性插值采样实现任意倍率的时长拉伸，无需额外依赖，拉伸后的音频过渡比直接重复采样更平滑，适配int8格式的双声道音频场景。

实现步骤 #

1. 计算拉伸后的目标采样点数量：target_len = int(原采样长度 * 拉伸倍率)
2. 生成目标采样点对应的原数组浮点索引：indices = np.linspace(0, 原采样长度 - 1, target_len)
3. 拆分索引的整数部分和小数部分，分别取相邻两个原采样点做加权插值
4. 插值结果转换为原音频对应的int8类型即可

小示例验证（对应你给出的数组测试） #

import numpy as np

# 测试用原始数组
original = np.array([[1, 2], [3, 2], [5, 1], [2, -1]], dtype=np.int8)
scale = 1.5
src_len = original.shape[0]
target_len = int(src_len * scale)

# 生成插值索引
indices = np.linspace(0, src_len - 1, target_len)
i0 = indices.astype(int)
i1 = i0 + 1
# 边界处理
i1 = np.clip(i1, 0, src_len - 1)
weight = indices - i0

# 对双声道分别做插值
stretched = original[i0] * (1 - weight[:, np.newaxis]) + original[i1] * weight[:, np.newaxis]
# 转回int8类型
stretched = stretched.astype(np.int8)

print(stretched)

运行后输出的1.5倍拉伸结果为：

[[ 1  2]
 [ 2  2]
 [ 3  2]
 [ 4  1]
 [ 5  1]
 [ 3  0]]

整合到你的原有代码中 #

把你原来的stretched = np.repeat(stereo, 5, axis=0)替换为以下逻辑即可：

# 自定义拉伸倍率，支持小数，比如1.5就是1.5倍拉伸
scale = 1.5
src_len = stereo.shape[0]
target_len = int(src_len * scale)

indices = np.linspace(0, src_len - 1, target_len)
i0 = indices.astype(int)
i1 = np.clip(i0 + 1, 0, src_len - 1)
weight = indices - i0

stretched = (stereo[i0] * (1 - weight[:, np.newaxis]) + stereo[i1] * weight[:, np.newaxis]).astype(np.int8)

补充说明 #

• 该方案会同步改变音频音调，倍率越大音调越低，如果你需要时长拉伸同时保持音调不变，需要实现相位声码器算法，复杂度更高，普通测试场景用上述插值方案足够。
• 如果拉伸倍率很大（比如超过5倍），可以先整数倍repeat再小倍率插值，性能更高。

内容的提问来源于stack exchange，提问作者cookertron