当然可以！完全不用跟磁盘打交道，咱们直接在内存里把WAV字节转换成NumPy数组就行，既能消除IO延迟，代码也更简洁。这里给你两种常用的实现方式：

方法一：用Librosa直接读取内存中的类文件对象 #

Librosa的load函数支持从类文件对象读取数据，所以我们只需要用io.BytesIO把字节数据包装成类文件对象，直接传给Librosa就行，和读本地文件的逻辑几乎一样：

import io
import librosa

def func1():
    # 假设这一步从API获取WAV格式的音频字节
    audio_bytes = get_audio_from_api()
    
    # 将字节包装成内存中的类文件对象
    audio_in_memory = io.BytesIO(audio_bytes)
    
    # 直接从内存读取音频为ndarray
    # sr=None 保留原音频的采样率；mono=False 保留立体声（默认是转单声道）
    y, sr = librosa.load(audio_in_memory, sr=None, mono=False)
    
    # 接下来就可以用y这个ndarray做信号处理了
    # 比如：计算频谱、滤波等等
    print(f"音频形状：{y.shape}，采样率：{sr}")

这种方法的好处是Librosa会帮你处理很多细节：自动归一化音频到[-1, 1]、可选转单声道、采样率转换（如果需要的话），非常省心。

方法二：用标准库wave+NumPy手动解析（更底层） #

如果你不想依赖Librosa，用Python标准库的wave模块结合NumPy也能实现，适合需要更精细控制解析过程的场景：

import io
import wave
import numpy as np

def func1():
    audio_bytes = get_audio_from_api()
    audio_in_memory = io.BytesIO(audio_bytes)
    
    with wave.open(audio_in_memory, 'rb') as wav_handle:
        # 获取WAV文件的基本参数
        sample_rate = wav_handle.getframerate()
        num_channels = wav_handle.getnchannels()
        sample_width = wav_handle.getsampwidth()
        num_frames = wav_handle.getnframes()
        
        # 读取所有帧的字节数据
        frame_bytes = wav_handle.readframes(num_frames)
        
        # 根据采样宽度选择对应的numpy数据类型
        dtype_map = {1: np.uint8, 2: np.int16, 4: np.int32}
        if sample_width not in dtype_map:
            raise ValueError(f"不支持的采样宽度：{sample_width}字节")
        sample_dtype = dtype_map[sample_width]
        
        # 将字节转换为numpy数组
        audio_array = np.frombuffer(frame_bytes, dtype=sample_dtype)
        
        # 调整形状：把单维度数组转成多声道格式（和Librosa输出一致的(声道数, 帧数)）
        audio_array = audio_array.reshape(-1, num_channels).T
        
        # 转换为float32并归一化到[-1, 1]（可选，根据你的信号处理需求）
        audio_array = audio_array.astype(np.float32) / np.iinfo(sample_dtype).max
    
    # 现在audio_array就是你需要的ndarray
    print(f"音频形状：{audio_array.shape}，采样率：{sample_rate}")

这种方法需要自己处理数据类型转换和归一化，但好处是不依赖第三方库，适合环境受限的场景。

注意事项 #

• 确保从API获取的字节是标准的WAV格式（PCM编码，无压缩），如果是其他编码格式（比如MP3、FLAC），需要先解码成PCM字节再处理。
• 如果你的音频是非常大的文件，用内存处理要注意内存占用，但一般API返回的音频片段不会有这个问题。

内容的提问来源于stack exchange，提问作者BaluRaman