python中使用pydub处理音频文件非常简便，适合剪切、合并、格式转换等任务。1. 安装需python环境、pydub库和ffmpeg；2. 加载与导出支持多种格式如mp3、wav；3. 常用操作包括裁剪（如前10秒audio[:10000]）、拼接（+号连接）、调节音量（+/-db值）；4. 可检查音频信息如采样率、声道数，并支持立体声转单声道、修改采样率、添加静音等技巧。
处理音频文件在Python中其实比很多人想象的要简单，尤其是用 pydub 这个库。它封装了音频操作的一些底层细节，让你可以用很简洁的代码完成剪切、合并、格式转换、调整音量等常见任务。
下面我来分享几个最常用的 pydub 使用技巧，适合新手快速上手。
安装和基本依赖
使用 pydub 之前，有几个必须安装的东西：
立即学习“Python免费学习笔记（深入）”；
- Python 环境（建议3.7以上）
- pydub 库：pip install pydub
- ffmpeg：这是 pydub 背后调用的实际音频处理引擎，某些系统可能需要手动安装（比如 Mac 或 linux）
如果你在运行时遇到找不到 ffmpeg 的错误，可以这样解决：
安装完成后就可以导入 AudioSegment 来操作音频了：
from pydub import AudioSegment
音频文件的加载与导出
pydub 支持多种音频格式，比如 mp3、wav、ogg、flv 等。加载和保存都非常简单：
# 加载音频文件 audio = AudioSegment.from_mp3("input.mp3") # 导出为 wav 格式 audio.export("output.wav", format="wav")
需要注意几点：
- from_XXX() 方法支持对应格式的读取
- export() 中的 format 参数决定了输出格式
- 如果你想导出为 mp3，需要确保系统里有 ffmpeg
常见的问题包括：
- 文件路径写错
- 没有正确安装 ffmpeg
- 处理大文件时内存占用过高（可以分段处理缓解）
常见音频操作：裁剪、拼接、调节音量
这几个操作非常实用，比如你做语音剪辑、播客编辑或者自动配音的时候都会用到。
裁剪一段音频
单位是毫秒，所以你可以精确控制时间点：
first_10_seconds = audio[:10000] # 前10秒 last_5_seconds = audio[-5000:] # 最后5秒
拼接多个音频片段
只要用加号就能把两个 AudioSegment 对象连起来：
combined = first_10_seconds + last_5_seconds
调整音量
增加或减少音量用的是 + 和 -：
louder = audio + 6 # 提高6dB quieter = audio - 4 # 降低4dB
如果想让不同音频片段音量一致，可以先标准化再拼接。
检查音频信息 & 特殊处理小技巧
有时候你需要知道音频的采样率、声道数、比特率这些信息，可以用以下方法查看：
print(audio.frame_rate) # 采样率，如 44100 print(audio.channels) # 声道数，1=单声道，2=立体声 print(audio.sample_width) # 每个样本的字节数，通常是2
一些实用的小技巧：
- 把立体声转成单声道：audio = audio.set_channels(1)
- 修改采样率：audio = audio.set_frame_rate(16000)
- 添加静音：silence = AudioSegment.silent(duration=1000) （单位是毫秒）
这些操作在语音识别、TTS 合成、数据预处理中特别有用。
基本上就这些常用操作了。pydub 的设计思路就是“简单的事做得快”，虽然不能替代专业音频软件，但在自动化脚本和基础处理场景中非常好用。如果你只是想做些剪辑、格式转换、拼接之类的事情，pydub 绝对值得一试。
