大家好，我是jobleap.cn的小九。
Pydub 是 Python 中一款轻量、易用的音频处理库，核心基于 FFmpeg，能以极简的 API 实现音频的加载、编辑、格式转换、效果处理等操作。本教程将从环境搭建到实战案例，串联 Pydub 所有常用 API，帮你快速掌握音频处理的核心能力。
一、环境准备（必看！）
Pydub 本身仅封装了音频处理逻辑，底层依赖FFmpeg处理音频编解码，因此需先完成两步安装：
1. 安装 Pydub 库
pipinstallpydub2. 安装 FFmpeg（关键依赖）
- Windows：
- 下载 FFmpeg 压缩包（推荐 官网 或 B站镜像）；
- 解压后将
bin目录（含ffmpeg.exe）添加到系统环境变量； - 验证：终端输入
ffmpeg -version，能显示版本即成功。
- Mac/Linux：
# Mac（需先装brew）brewinstallffmpeg# Linuxsudoaptupdate&&sudoaptinstallffmpeg
二、核心基础：AudioSegment 类
Pydub 所有音频操作的核心是AudioSegment类——它代表一段音频，所有 API 都是围绕这个类的实例展开。
1. 加载音频文件（最常用）
支持 MP3、WAV、OGG、FLAC 等主流格式，核心 API：AudioSegment.from_xxx()。
frompydubimportAudioSegment# 1. 加载 WAV 文件（无需 FFmpeg 也可基础支持）audio_wav=AudioSegment.from_wav("test.wav")# 2. 加载 MP3 文件（必须装 FFmpeg）audio_mp3=AudioSegment.from_mp3("test.mp3")# 3. 加载其他格式（OGG/FLAC/M4A 等）audio_ogg=AudioSegment.from_ogg("test.ogg")audio_flac=AudioSegment.from_flac("test.flac")# 4. 通用加载方式（自动识别格式，推荐）audio=AudioSegment.from_file("test.mp3",format="mp3")2. 查看音频基础属性
加载后可直接获取音频的核心参数，是后续编辑的基础：
# 1. 时长（毫秒，核心！Pydub 中所有时间单位默认毫秒）duration_ms=len(audio)duration_s=duration_ms/1000# 转换为秒duration_min=duration_s/60# 转换为分钟print(f"音频时长：{duration_ms}ms /{duration_s:.2f}s /{duration_min:.2f}min")# 2. 声道数（1=单声道，2=立体声）channels=audio.channelsprint(f"声道数：{channels}")# 3. 采样率（赫兹，常见 44100Hz、48000Hz）frame_rate=audio.frame_rateprint(f"采样率：{frame_rate}Hz")# 4. 位深（音频精度，常见 16bit、24bit）sample_width=audio.sample_width*8# sample_width 是字节数，转成 bitprint(f"位深：{sample_width}bit")# 5. 音频体积（分贝 dB，参考值：正常说话 ~60dB，安静环境 ~30dB）volume_dBFS=audio.dBFSprint(f"音量：{volume_dBFS:.2f}dBFS")三、核心编辑 API：音频裁剪/拼接/叠加
1. 音频裁剪（截取指定时间段）
语法：audio[起始毫秒:结束毫秒]，支持切片操作，简单直观：
# 截取 0-3 秒的音频（注意：毫秒单位！3秒=3000毫秒）audio_clip=audio[0:3000]# 截取最后 2 秒的音频（负数索引）audio_clip_last=audio[-2000:]# 截取 5-8 秒的音频audio_clip_mid=audio[5000:8000]2. 音频拼接（合并多个音频）
语法：audio1 + audio2 + audio3，直接用加号拼接，顺序即播放顺序：
# 加载两段音频audio1=AudioSegment.from_mp3("part1.mp3")# 0-5秒audio2=AudioSegment.from_mp3("part2.mp3")# 5-10秒# 拼接：audio1 在前，audio2 在后audio_combined=audio1+audio2# 扩展：拼接多段音频audio3=AudioSegment.from_mp3("part3.mp3")audio_total=audio1+audio2+audio33. 音频叠加（混音，多个音频同时播放）
语法：audio1.overlay(audio2)，将 audio2 叠加到 audio1 上（默认从开头对齐）：
# 加载背景音和人声bgm=AudioSegment.from_mp3("bgm.mp3")# 10秒背景音voice=AudioSegment.from_mp3("voice.mp3")# 5秒人声# 1. 基础叠加（人声从背景音开头开始叠加）audio_mix=bgm.overlay(voice)# 2. 指定叠加起始位置（人声从背景音第2秒开始叠加）audio_mix_offset=bgm.overlay(voice,position=2000)# 3. 循环叠加（如果人声比背景音短，循环人声直到背景音结束）audio_mix_loop=bgm.overlay(voice,loop=True)四、音量调整 API
Pydub 提供极简的音量调整方法，核心是+/-调整分贝，或标准化音量：
# 1. 增大音量（+6dB，音量翻倍；+3dB 音量约增加1.4倍）audio_louder=audio+6# 2. 减小音量（-10dB）audio_quieter=audio-10# 3. 音量标准化（将音频峰值音量调整到指定分贝，避免爆音/音量过低）# 例：将音量标准化到 -10dBFS（行业常用参考值）audio_normalized=audio.normalize(headroom=-10)# 4. 静音片段（生成指定时长的静音音频，用于填充）silence_2s=AudioSegment.silent(duration=2000)# 2秒静音# 示例：在音频开头加2秒静音audio_with_silence=silence_2s+audio五、格式转换与保存 API
处理完音频后，需保存为文件，核心 API：audio.export()，支持指定格式、比特率等参数：
# 1. 保存为 WAV 格式（基础格式，无压缩）audio_clip.export("clip_wav.wav",format="wav")# 2. 保存为 MP3 格式（指定比特率，128k 是主流）audio_combined.export("combined_mp3.mp3",format="mp3",bitrate="128k")# 3. 保存为 OGG 格式audio_mix.export("mix_ogg.ogg",format="ogg")# 4. 保存为 M4A（AAC 编码）audio_normalized.export("normalized_m4a.m4a",format="m4a",codec="aac")六、音频效果处理 API
Pydub 内置常用音频效果，无需复杂配置即可实现专业级处理：
# 1. 淡入淡出（参数为时长，毫秒）audio_fade_in=audio.fade_in(2000)# 2秒淡入audio_fade_out=audio.fade_out(3000)# 3秒淡出# 2. 音频反转（倒放）audio_reversed=audio.reverse()# 3. 变速不变调（核心！需 FFmpeg 支持）frompydub.playbackimportplay# 1.2 倍速（速度加快，音调不变）audio_faster=audio.speedup(playback_speed=1.2)# 0.8 倍速（速度减慢）audio_slower=audio.speedup(playback_speed=0.8)# 4. 改变音调（不变速，需 FFmpeg 支持）# 例：升高2个半音（+2），降低3个半音（-3）audio_pitch_up=audio._spawn(audio.raw_data,overrides={"frame_rate":int(audio.frame_rate*2**(2/12))}).set_frame_rate(audio.frame_rate)# 5. 降噪（简单版：基于静音段降噪）# 步骤：截取静音段 → 提取噪声轮廓 → 应用降噪silence_part=audio[:1000]# 取前1秒静音段noise_profile=silence_part.detect_background_noise()audio_denoised=audio.remove_noise(noise_clip=silence_part)# 6. 播放音频（调试用，需安装 simpleaudio 或 ffplay）play(audio_clip)# 播放截取的3秒音频七、高级操作：按静音分割音频
Pydub 可自动检测音频中的静音段，实现按“有声/静音”分割，适合提取语音片段：
frompydub.silenceimportsplit_on_silence# 按静音分割音频# 参数说明：# - min_silence_len：最小静音时长（毫秒），低于此不认为是静音# - silence_thresh：静音阈值（dBFS），低于此值认为是静音# - keep_silence：分割后保留的静音时长（毫秒）audio_parts=split_on_silence(audio,min_silence_len=500,# 至少500毫秒静音才分割silence_thresh=-40,# 低于-40dBFS认为是静音keep_silence=200# 每个片段保留200毫秒静音（避免断句太突兀）)# 遍历分割后的片段并保存fori,partinenumerate(audio_parts):part.export(f"audio_part_{i+1}.mp3",format="mp3",bitrate="128k")print(f"分割完成，共生成{len(audio_parts)}个音频片段")八、实战案例：串联所有 API 做音频处理工具
需求：将一段 MP3 音频处理为“开头加2秒静音 → 截取0-10秒 → 音量标准化 → 2秒淡入/3秒淡出 → 保存为128k MP3”。
frompydubimportAudioSegmentfrompydub.playbackimportplay# 步骤1：加载原始音频original_audio=AudioSegment.from_mp3("original.mp3")print(f"原始音频时长：{len(original_audio)/1000:.2f}秒")# 步骤2：开头加2秒静音silence_2s=AudioSegment.silent(duration=2000)audio_with_silence=silence_2s+original_audio# 步骤3：截取加静音后0-10秒的片段（即原音频0-8秒）audio_clip=audio_with_silence[0:10000]# 步骤4：音量标准化（峰值-10dBFS）audio_normalized=audio_clip.normalize(headroom=-10)# 步骤5：添加淡入淡出效果audio_effect=audio_normalized.fade_in(2000).fade_out(3000)# 步骤6：播放预览print("正在播放处理后的音频...")play(audio_effect)# 步骤7：保存为128k MP3audio_effect.export("processed_audio.mp3",format="mp3",bitrate="128k")print("音频处理完成，已保存为 processed_audio.mp3")九、常见问题与注意事项
- “找不到 FFmpeg”报错：检查 FFmpeg 是否安装、环境变量是否生效，或在代码中指定 FFmpeg 路径：
importos os.environ["FFMPEG_PATH"]="C:/ffmpeg/bin/ffmpeg.exe"# Windows 示例 - 时间单位易错：Pydub 所有时间参数默认毫秒，务必注意转换（如 1秒=1000毫秒）；
- 音频格式兼容性：MP3/M4A 等压缩格式需 FFmpeg，WAV 是无压缩格式，兼容性最好；
- 音量调整：dB 是对数单位，+6dB 音量翻倍，-6dB 音量减半，避免调整幅度过大导致爆音。
总结
- Pydub 核心是
AudioSegment类，所有操作围绕该类实例展开，时间单位默认毫秒； - 常用 API 可归纳为：加载(
from_file) → 查看属性 → 编辑（裁剪/拼接/叠加） → 效果（音量/淡入淡出/变速） → 保存(export)； - 底层依赖 FFmpeg，需先安装并配置环境变量，否则无法处理 MP3/M4A 等压缩格式。
通过以上教程，你已掌握 Pydub 90% 以上的常用 API，可覆盖日常音频处理的绝大多数场景（如语音剪辑、格式转换、混音等）。
