如何在Excel/CSV插入wav/ogg/mp3音频以便用panda加载制作ML数据集

现有操作失效的核心原因 #

• CSV是纯文本分隔格式，本身不支持存储任何二进制嵌入式对象，你通过「插入对象」功能添加的音频仅为本地文件的临时引用，不会真的写入CSV文件，换环境、转移文件就会丢失。
• Excel的「插入对象」是OLE格式的嵌入式二进制内容，pandas读取Excel的默认逻辑仅解析单元格的文本、数值、公式计算结果，不会识别读取OLE对象，因此返回空值nan。

方案1（ML数据集首选）：存储音频相对路径 #

这是工业界音频数据集的通用规范，读写效率高，不会导致表格体积异常膨胀。
操作流程：

• 统一整理所有音频文件到数据集根目录下的固定子目录，例如./audio，所有wav/ogg/mp3文件都存入该目录。
• 在CSV/Excel中新增audio_path列，填入对应音频的相对路径，例如./audio/sample_003.mp3。
• 后续用pandas加载后直接按路径读取音频即可，Colab环境下只要保持目录结构不变、路径映射正确即可正常读取。
  示例代码：

import pandas as pd
import librosa # 也可替换为soundfile等其他音频处理库

# 读取表格
df = pd.read_csv("dataset.csv")
# 遍历加载音频
for _, row in df.iterrows():
    # sr=None表示保留音频原始采样率
    audio_arr, sample_rate = librosa.load(row["audio_path"], sr=None)
    # 后续ML预处理逻辑

方案2（单文件存储需求场景）：存储音频Base64编码 #

如果你需要把音频内容和表格整合为单个文件、不需要附带额外音频目录，可以使用该方案，缺点是Base64编码会让音频体积增大33%左右，仅适合小体量数据集。

写入表格的编码代码 #

import base64
import pandas as pd
from pathlib import Path

def audio2base64(file_path):
    with open(file_path, "rb") as f:
        return base64.b64encode(f.read()).decode("utf-8")

# 批量生成数据集
audio_files = list(Path("./audio").glob("*.wav"))
df = pd.DataFrame({
    "sample_id": [f.stem for f in audio_files],
    "audio_b64": [audio2base64(f) for f in audio_files]
})
# 支持保存为CSV或Excel格式
df.to_csv("dataset_single_file.csv", index=False, encoding="utf-8")

读取表格的解码代码 #

import io
import base64
import pandas as pd
import librosa

df = pd.read_csv("dataset_single_file.csv")
for _, row in df.iterrows():
    # 解码base64为二进制流
    audio_byte = base64.b64decode(row["audio_b64"])
    # 直接从内存读取，无需写入临时文件
    audio_arr, sample_rate = librosa.load(io.BytesIO(audio_byte), sr=None)
    # 后续ML预处理逻辑

内容的提问来源于stack exchange，提问作者leopold