3、通道分离与合并：将立体声分离为左右声道，将多声道合并为单声道或自定义布局
好，咱们今天聊点实在的。通道分离与合并，说白了就是音频路由的基本功。你想想看，一个立体声文件，左耳和右耳听到的内容可能完全不同。有时候我们需要单独处理某一边，有时候又想把一堆声道揉成一个。这些操作，在音频后期、游戏音频、甚至语音识别预处理里，天天都要用到。
我个人习惯，拿到一个多通道文件，第一件事就是搞清楚它的通道布局。别急着上手处理，先看看它是立体声、5.1还是7.1。我在项目中遇到过好几次，有人把5.1的环绕声道当成左声道来提取，结果出来的声音怪怪的。嗯，这里要注意，通道顺序是有行业标准的。
3.1 立体声分离：左是左，右是右
立体声分离，就是把一个双声道文件拆成两个单声道文件。为什么这么做？举个例子，你录了一段采访，左边是主持人，右边是嘉宾。你想单独给嘉宾那轨降噪，就得先把右边提出来。
在Python里，用librosa或者soundfile都能轻松搞定。我习惯用soundfile，因为它读写速度快，而且对多通道支持很好。
import soundfile as sf
import numpy as np
# 读取立体声文件
audio, sr = sf.read('stereo.wav')
# audio的形状是 (样本数, 2)
# 分离左右声道
left_channel = audio[:, 0]
right_channel = audio[:, 1]
# 分别保存为单声道文件
sf.write('left.wav', left_channel, sr)
sf.write('right.wav', right_channel, sr)
sf.write()时加上subtype='PCM_16'参数就能避免。
你可能会问，为什么不用numpy的切片直接操作？其实上面就是。但要注意，audio[:, 0]拿到的是一个一维数组，形状是(N,)。如果你需要保持二维形状（比如后续要和其他数组拼接），可以用audio[:, 0:1]。
3.2 多声道合并：从混乱到有序
合并声道，听起来简单，就是把几个单声道文件拼成一个多声道文件。但这里有个坑——你得保证所有文件的采样率和长度完全一致。我曾经有一次，两个文件采样率一个是44100，一个是48000，合并出来的声音像开了变速齿轮。
先看一个标准的合并操作：
import soundfile as sf
import numpy as np
# 读取两个单声道文件
ch1, sr1 = sf.read('channel1.wav')
ch2, sr2 = sf.read('channel2.wav')
# 检查采样率是否一致
assert sr1 == sr2, "采样率不一致！"
# 检查长度是否一致，不一致则补零
max_len = max(len(ch1), len(ch2))
if len(ch1) < max_len:
ch1 = np.pad(ch1, (0, max_len - len(ch1)))
if len(ch2) < max_len:
ch2 = np.pad(ch2, (0, max_len - len(ch2)))
# 合并为立体声
stereo = np.column_stack((ch1, ch2))
sf.write('merged_stereo.wav', stereo, sr1)
3.3 合并为单声道：几种不同的策略
把多声道合并成单声道，可不是简单地把所有声道加起来。不同的合并方式，效果天差地别。我整理了几种常用方法：
| 方法 | 公式 | 适用场景 |
|---|---|---|
| 平均合并 | sum(channels) / N | 通用场景，保留整体响度 |
| 直接求和 | sum(channels) | 需要最大化信号强度，注意削波 |
| 只取左声道 | channels[0] | 内容只在左声道时 |
| 加权合并 | sum(w_i * channels[i]) | 自定义各声道权重 |
我个人最常用的是平均合并。为什么呢？因为直接求和很容易削波。你想想看，两个满幅度的正弦波加起来，幅度直接翻倍，超过0dBFS就失真了。平均合并能保证输出幅度和输入大致相当。
import soundfile as sf
import numpy as np
# 读取多声道文件
audio, sr = sf.read('surround.wav')
# 假设是5.1声道，audio.shape = (N, 6)
# 平均合并为单声道
mono = np.mean(audio, axis=1)
sf.write('mono.wav', mono, sr)
# 加权合并（比如强调中置声道）
weights = np.array([0.2, 0.2, 0.4, 0.1, 0.05, 0.05])
mono_weighted = np.dot(audio, weights)
sf.write('mono_weighted.wav', mono_weighted, sr)
3.4 自定义布局：不按套路出牌
有时候标准布局不够用。比如你有一个4声道文件，但你想把它重新映射成2.1声道（左右+低音）。这就需要自定义通道映射了。
说白了，就是重新排列和组合声道。我常用的做法是先定义目标布局的映射规则，然后用矩阵乘法一次性搞定。
import soundfile as sf
import numpy as np
# 原始4声道：左、右、左后、右后
audio, sr = sf.read('quad.wav')
# 目标2.1声道：左、右、低音（低音取左右后方的平均）
# 定义映射矩阵 (3行4列)
mapping = np.array([
[1, 0, 0, 0], # 左声道 -> 原始左
[0, 1, 0, 0], # 右声道 -> 原始右
[0, 0, 0.5, 0.5] # 低音 -> 左后和右后的平均
])
# 应用映射
output = np.dot(audio, mapping.T)
sf.write('custom_21.wav', output, sr)
3.5 实战中的避坑指南
做了这么多年音频处理，有些坑我踩过不止一次。今天一并分享给你：
- 通道顺序别搞错：不同软件对多声道文件的通道顺序定义可能不同。比如WAV的5.1顺序是：左、右、中置、低音、左环绕、右环绕。但有些游戏引擎用的是：左、右、左环绕、右环绕、中置、低音。一定要先确认。
- 位深和格式要统一：合并前检查所有文件的位深和编码格式。32位浮点和16位整型混在一起，结果会出问题。我一般统一转成32位浮点处理，最后再转回目标格式。
- 响度归一化：合并后记得做响度归一化。特别是直接求和时，输出响度可能比输入高很多。用
pyloudnorm或者ffmpeg的loudnorm滤镜都能搞定。 - 实时处理要小心：如果是实时音频流，合并操作要考虑延迟。矩阵乘法虽然快，但在嵌入式设备上可能成为瓶颈。我建议提前计算好映射矩阵，避免每次处理都重新计算。
np.sum(audio, axis=1)，结果低音炮声道（LFE）的增益比其他声道高很多，合并后的声音低频轰头。后来我才意识到，LFE声道通常有+10dB的增益补偿，合并前需要先做衰减。所以，了解每个声道的特性很重要。
好了，通道分离与合并就聊到这儿。说白了，这些操作的核心就是理解你的数据布局，然后选择合适的数学工具。下次你拿到一个多声道文件，别急着处理，先花一分钟看看它的通道结构。相信我，这一分钟能帮你省下后面半小时的调试时间。