关于scipy.io.wavefile.read()返回值及音频数组的技术问询

先直接给结论：这些整数不是频率，它们是音频样本的振幅值，用来记录某一时刻声波的振动强度。

为什么是这些整数？ #

音频原本是连续的模拟声波，要让电脑能处理，得做两步转换：

1. 采样：每隔固定时间（时间间隔 = 1/采样率）取一次声波的振幅，这些取值点就是“样本”。
2. 量化：把连续的振幅值转换成有限范围的整数（比如16位WAV把振幅映射到-32768到32767之间），你看到的一维数组就是按时间顺序排列的量化结果——相当于把连续的声波拆成了一个个时间点上的幅度快照。

怎么通过样本获取频率？ #

要得到音频的频率成分，得用傅里叶变换（FFT），它能把时域的振幅数据转换成频域的频率分布。这里给你一个入门级的实现示例：

import numpy as np
from scipy.io import wavefile

# 读取目标WAV文件
sample_rate, audio_data = wavefile.read("your_audio_file.wav")

# 先把整数类型转成浮点，避免FFT计算时溢出
audio_float = audio_data.astype(np.float32)
# 执行FFT变换
fft_result = np.fft.fft(audio_float)

# 生成对应的频率轴（每个FFT结果对应的频率值）
freq_axis = np.fft.fftfreq(len(audio_float), 1 / sample_rate)

# 取FFT结果的幅度（复数的模，代表该频率的强度）
fft_amplitude = np.abs(fft_result)

# 找到幅度最大的频率（即音频的主要频率成分）
max_amp_idx = np.argmax(fft_amplitude)
dominant_freq = freq_axis[max_amp_idx]

print(f"音频的主要频率成分：{dominant_freq:.2f} Hz")

小提示：FFT结果是对称的，实际分析时只需要关注正频率部分（freq_axis >= 0）；如果是复杂声音（比如音乐、人声），你会看到多个频率峰值，每个峰值对应一个声音成分的频率。

内容的提问来源于stack exchange，提问作者Primusa