2. 声学基础
说实话，很多做音频算法的同学，最后代码跑不起来，不是算法写错了，而是环境炸了。
我见过太多次了——换了台机器，pip install 一把梭，结果 libsndfile 没装、ffmpeg 路径不对、numpy 版本冲突……一上午就搭进去了。所以这一章，咱们先把地基打牢。
2.1 为什么必须用虚拟环境？
你想想看，一个项目用 librosa 0.9，另一个项目用 0.10。如果全装到系统 Python 里，早晚会出幺蛾子。
虚拟环境说白了就是给每个项目一个独立的 Python 小房间。你在里面随便装，不会影响到别的项目。
核心原则：每个音频项目，单独建一个虚拟环境。别偷懒。
2.2 虚拟环境管理工具对比
我个人习惯用 conda 管理音频环境。为什么？因为 librosa 依赖的 llvmlite、numba 这些底层库，用 pip 装有时候会踩坑，conda 的预编译二进制包省心很多。
| 工具 | 适用场景 | 优点 | 缺点 |
|---|---|---|---|
venv |
纯 Python 项目 | 内置模块，轻量 | 不管理非 Python 依赖 |
conda |
音频/数据科学项目 | 管理 C 库依赖，跨平台 | 环境体积较大 |
pipenv |
Web 项目 | 自动管理 Pipfile | 音频库支持一般 |
我的建议：做声学特征提取，直接用 conda。省下的时间够你喝两杯咖啡。
2.3 核心音频库安装实战
好，咱们直接上手。以下是我在 Windows / macOS / Linux 上都验证过的安装流程。
2.3.1 创建并激活环境
# 创建 Python 3.9 环境（3.8-3.11 都行，别用 3.12 以上）
conda create -n audio_env python=3.9
# 激活
conda activate audio_env嗯，这里要注意：Python 3.12 对某些音频库的 C 扩展支持还不完善。我上个月帮一个学员排查问题，就是 3.12 装 librosa 报错，降到 3.10 就好了。
2.3.2 安装 librosa
librosa 是声学特征提取的核心库。它依赖 numba 和 llvmlite，用 conda 装最稳。
conda install -c conda-forge librosa为什么指定 conda-forge？因为官方频道里的 librosa 版本经常滞后。conda-forge 更新快，而且预编译好了所有底层依赖。
我曾经踩过的坑：直接用 pip install librosa，在 Windows 上遇到了 llvmlite 编译失败。后来换成 conda-forge，一分钟搞定。
2.3.3 安装 soundfile
soundfile 负责读写各种音频格式。它底层依赖 libsndfile 这个 C 库。
conda install -c conda-forge python-soundfile如果你用 pip：
pip install soundfile但 pip 版本不会自动装 libsndfile。在 Linux 上你得手动 apt install libsndfile1，在 macOS 上 brew install libsndfile。Windows 用户……嗯，还是用 conda 吧。
2.3.4 安装 pydub
pydub 擅长音频切片、格式转换。它需要 ffmpeg 作为后端。
pip install pydub然后装 ffmpeg：
- Windows：下载 ffmpeg 的 exe，加到 PATH 里
- macOS：
brew install ffmpeg - Linux：
sudo apt install ffmpeg
验证 ffmpeg 是否装好：在终端输入 ffmpeg -version，能看到版本号就对了。
2.3.5 安装 scipy 和其他工具
conda install scipy
pip install matplotlib # 画频谱图用
pip install jupyter # 交互式调试scipy 的 signal 模块提供了很多滤波器函数，后面做预加重、分帧时会用到。
2.4 验证安装
装完了别急着走。跑一下这个脚本，确认所有库都能正常导入：
import librosa
import soundfile as sf
import pydub
import scipy
import numpy as np
import matplotlib.pyplot as plt
print("librosa version:", librosa.__version__)
print("soundfile version:", sf.__version__)
print("scipy version:", scipy.__version__)
# 加载一个测试音频
y, sr = librosa.load(librosa.example('trumpet'), sr=22050)
print(f"音频长度: {len(y)} 采样点, 采样率: {sr} Hz")
# 写回文件
sf.write('test_output.wav', y, sr)
print("文件写入成功！")如果没报错，恭喜你，环境搭好了。
2.5 常见问题与避坑指南
我整理了几个高频问题，你遇到了直接对照着查：
| 问题 | 原因 | 解决方案 |
|---|---|---|
OSError: sndfile library not found |
libsndfile 未安装 | conda install -c conda-forge libsndfile |
RuntimeError: numba needs llvmlite |
llvmlite 版本不匹配 | conda install -c conda-forge llvmlite |
pydub.exceptions.CouldntDecodeError |
ffmpeg 未安装或不在 PATH | 安装 ffmpeg 并添加到系统环境变量 |
ImportError: DLL load failed |
Windows 下 C 运行时缺失 | 安装 Visual C++ Redistributable |
我曾经遇到最离谱的问题：在 macOS 上用 pip 装 librosa，结果 numba 报错说 CPU 不支持某个指令集。后来发现是 conda 的 numba 版本做了 CPU 特性检测，换成 conda-forge 的版本就好了。
2.6 本章知识体系
下面这张图帮你理清整个环境搭建的逻辑：
2.7 小结
环境搭建这件事，看起来琐碎，但值得认真对待。我见过太多人花 80% 的时间在修环境，只有 20% 的时间在写算法。
记住三个要点：
- 用 conda 管理环境，别嫌它体积大
- 从 conda-forge 装音频库，省去编译烦恼
- 装完立刻验证，别等到写代码才发现缺东西