2. Python音频处理入门：Librosa库安装与核心API、音频文件的读取与写入、波形可视化

好，咱们正式开始动手了。

上一章聊了音频的基础概念，采样率、位深、声道这些。但光有理论不行，得有个趁手的工具。Python 生态里做音频处理，Librosa 几乎是绕不开的库。我个人习惯把它叫做「音频处理的瑞士军刀」——读取、分析、特征提取、可视化，一条龙搞定。

这一章，我们就从零开始，把 Librosa 装好，然后走一遍最核心的流程：读音频、写音频、看波形。

2.1 安装Librosa：别踩这些坑

安装本身不复杂，但有几个细节我建议你注意一下。

最直接的安装方式：

pip install librosa

嗯，就这一行。但实际跑起来，你可能会遇到两个常见问题。

问题一：依赖冲突。 Librosa 底层依赖 numpy、scipy、soundfile 这些。如果你之前装过旧版本的 numpy，可能会报错。我的建议是：

pip install --upgrade numpy scipy
pip install librosa

问题二：音频解码器。 Librosa 默认用 soundfile 读写 WAV 文件。但如果你要读 MP3、FLAC 这些格式，需要额外装 ffmpeg。我在项目中遇到过好几次，明明代码没问题，就是读不了 MP3，最后发现是 ffmpeg 没装。

解决方案：

# 安装 ffmpeg（Windows 用户去官网下载，macOS 用 brew）
brew install ffmpeg   # macOS
# 或者让 Librosa 使用 audioread 后端
pip install audioread

装完之后，验证一下：

import librosa
print(librosa.__version__)

能看到版本号，就说明装好了。

2.2 核心API：音频文件的读取与写入

Librosa 读取音频的核心函数就一个：librosa.load()。但别看它简单，参数里藏着不少门道。

2.2.1 读取音频：librosa.load()

基本用法：

import librosa

# 读取音频文件
audio_path = 'example.wav'
y, sr = librosa.load(audio_path)

print(f"音频数据形状: {y.shape}")
print(f"采样率: {sr} Hz")

这里返回两个东西：

• y：一维 numpy 数组，代表音频的时域信号值，范围在 [-1.0, 1.0] 之间。
• sr：采样率，默认是 22050 Hz。

等等，默认 22050？我明明录的是 44100 的 WAV 啊。没错，Librosa 默认会重采样到 22050 Hz。为什么？因为大部分音频分析任务不需要那么高的采样率，22050 已经能覆盖人耳范围（20Hz-11kHz），而且数据量减半，处理更快。

但如果你需要原始采样率，可以这样：

y, sr = librosa.load(audio_path, sr=None)  # 保持原始采样率

或者指定你想要的采样率：

y, sr = librosa.load(audio_path, sr=16000)  # 重采样到 16kHz

其他常用参数：

举个例子，只读取音频的前 5 秒：

y, sr = librosa.load(audio_path, sr=16000, offset=0, duration=5)

2.2.2 写入音频：librosa.output 已废弃

这里有个历史遗留问题。老版本的 Librosa 有 librosa.output 模块，但新版本已经移除了。现在官方推荐用 soundfile 或 scipy.io.wavfile 来写文件。

我个人习惯用 soundfile，因为它支持更多格式：

import soundfile as sf

# 写入 WAV 文件
sf.write('output.wav', y, sr)

# 写入 FLAC 文件（无损压缩）
sf.write('output.flac', y, sr)

如果你非要用 Librosa 的风格，可以这样：

# 注意：这不是 librosa 的函数，是 soundfile 的
# 但 librosa 官方文档推荐这种方式
sf.write('output.wav', y, sr, subtype='PCM_16')

2.3 波形可视化：看一眼你的音频长什么样

读进来之后，第一件事是什么？我个人习惯先看一眼波形。波形图能直观告诉你：音频有没有削波、有没有静音段、动态范围怎么样。

Librosa 提供了 librosa.display.waveshow() 来画波形。注意，它依赖 matplotlib。

import librosa.display
import matplotlib.pyplot as plt

# 读取音频
y, sr = librosa.load('example.wav', sr=None)

# 创建画布
plt.figure(figsize=(12, 4))

# 绘制波形
librosa.display.waveshow(y, sr=sr)

# 添加标签
plt.title('Waveform')
plt.xlabel('Time (s)')
plt.ylabel('Amplitude')

plt.tight_layout()
plt.show()

运行之后，你会看到一条上下波动的曲线。横轴是时间（秒），纵轴是振幅（归一化到 [-1, 1]）。

你想想看，如果波形上下都顶到了 -1 和 1，说明音量太大，可能削波了。如果波形几乎是一条直线，那可能是静音段。

2.3.1 多段波形对比

有时候需要对比两段音频，比如原始音频和处理后的音频。可以画在同一个图上：

plt.figure(figsize=(12, 6))

plt.subplot(2, 1, 1)
librosa.display.waveshow(y_original, sr=sr)
plt.title('Original')

plt.subplot(2, 1, 2)
librosa.display.waveshow(y_processed, sr=sr)
plt.title('Processed')

plt.tight_layout()
plt.show()

2.3.2 波形图的参数调整

waveshow 还有一些参数可以调：

举个例子，画一个半透明的红色波形：

librosa.display.waveshow(y, sr=sr, alpha=0.7, color='red')

2.4 本章知识体系

下面这张图总结了本章的核心流程和知识点，你可以对照着梳理一下：

这张图把本章内容分成了四个模块：安装、读取、写入、可视化。箭头表示流程方向，你可以看到，从安装开始，到读取音频，再到写入或可视化，是一个完整的链路。

2.5 完整示例：一条龙走一遍

最后，我们写一个完整的脚本，把今天学的串起来：

import librosa
import librosa.display
import soundfile as sf
import matplotlib.pyplot as plt
import numpy as np

# 1. 读取音频
audio_path = 'speech.wav'
y, sr = librosa.load(audio_path, sr=16000, duration=10)
print(f"读取完成：{len(y)/sr:.2f}秒，采样率{sr}Hz")

# 2. 查看基本信息
print(f"数据范围：{y.min():.3f} ~ {y.max():.3f}")
print(f"数据形状：{y.shape}")

# 3. 可视化
plt.figure(figsize=(12, 4))
librosa.display.waveshow(y, sr=sr, alpha=0.8, color='#2c3e50')
plt.title('Speech Waveform (16kHz)')
plt.xlabel('Time (s)')
plt.ylabel('Amplitude')
plt.tight_layout()
plt.savefig('waveform.png', dpi=150)
plt.show()

# 4. 写入处理后的音频（这里只是复制，实际可以加处理逻辑）
sf.write('speech_copy.wav', y, sr, subtype='PCM_16')
print("写入完成：speech_copy.wav")

这个脚本跑完之后，你会得到一张波形图和一个新的 WAV 文件。嗯，这就是最基础的音频处理流程了。