使用Librosa读写音频文件时如何保持文件大小与形状不变？

嘿，这个问题我之前处理过好几次，核心是librosa默认的加载和保存行为会悄悄修改音频的参数，咱们来一步步把它掰回正轨：

一、先搞懂为什么会变 #

你遇到的两个问题根源其实是同一个：

• 文件大小变大：librosa默认会把音频重采样到22050Hz，并且用float32格式加载，保存时默认编码格式也可能和原文件（比如16bit PCM）不一致，导致体积膨胀。
• 特征形状改变：因为加载时采样率被修改，音频的总样本数变了，后续提取特征（比如梅尔频谱）时，时间步维度自然会跟着变化。

二、保持原文件参数的加载与保存方案 #

1. 用原生参数加载音频 #

修改librosa.load的参数，强制使用原文件的采样率和数据类型：

import librosa
import os
import soundfile as sf  # 注意：librosa.output已经被官方弃用，推荐用soundfile更稳定

# 原文件路径
fname = "dog.wav"
source_path = os.path.join(train_data_path, label, fname)

# 先获取原文件的元信息（采样率、编码格式等）
audio_info = sf.info(source_path)

# 加载时禁用重采样，匹配原数据类型
y, sr = librosa.load(source_path, sr=audio_info.samplerate, dtype=audio_info.subtype)

2. 用原编码格式保存音频 #

用soundfile保存时指定原文件的编码 subtype，确保和原文件完全一致：

target_path = f"./input/train_test/{label}/AUG_{fname}"
sf.write(target_path, y, sr, subtype=audio_info.subtype)

三、确保特征形状一致 #

如果你的特征（比如梅尔频谱）形状变化，要保证提取特征时的参数和原文件完全匹配：

import numpy as np

# 假设原特征提取用的参数是这些（必须和之前处理原文件时完全一致）
n_fft = 512
hop_length = 256
n_mels = 81

# 用原采样率的音频提取特征
mel_spect = librosa.feature.melspectrogram(
    y=y,
    sr=sr,
    n_fft=n_fft,
    hop_length=hop_length,
    n_mels=n_mels
)
# 添加上通道维度，和原形状(99,81,1)对齐
mel_spect = mel_spect[..., np.newaxis]

print(mel_spect.shape)  # 现在应该和原特征形状一致

四、验证结果 #

保存后可以对比原文件和新文件的参数，确认一致性：

new_audio_info = sf.info(target_path)
print(f"原采样率: {audio_info.samplerate} | 新采样率: {new_audio_info.samplerate}")
print(f"原编码格式: {audio_info.subtype} | 新编码格式: {new_audio_info.subtype}")
print(f"原样本总数: {audio_info.frames} | 新样本总数: {new_audio_info.frames}")

如果这些参数完全匹配，文件大小会和原文件几乎一致（可能差几个字节的文件头信息，属于正常情况）。

内容的提问来源于stack exchange，提问作者kim code