pydub合并音频最直接高效，但需先统一采样率、声道数等参数，否则静音或报错；WAV不可用cat拼接因头部元信息不兼容；应解码→统参→编码，并注意内存优化与ffmpeg依赖。
用 pydub 合并多个小音频文件最直接高效，前提是所有文件采样率、声道数一致；否则必须统一重采样，否则会静音或报错。
为什么不能直接用 os.system("cat *.wav > merged.wav")
WAV 文件不是纯 PCM 数据流，头部含格式元信息（采样率、位深、声道数等）。简单拼接只会保留第一个文件的头，后续数据被当作无效 payload，播放时大概率只有前几秒有声或完全无声。
- MP3/AAC 等格式更不能拼接——帧头不连续，解码器直接失败
- 即使同为 WAV，若
sample_width或frame_rate不同，pydub会静默降质或抛Could not find ffmpeg or avconv（其实是格式不匹配） - 真正安全的“拼接”必须是解码 → 统一参数 → 编码
pydub 合并前必须做格式对齐
合并前检查并强制统一关键参数，否则 + 操作看似成功，实际输出可能失真或截断：
- 用
AudioSegment.frame_rate和AudioSegment.channels打印每个文件的实际值，别信文件扩展名 - 统一用
set_frame_rate(16000).set_channels(1)（按需调整），避免隐式转换引入噪声 - 若原始文件含元数据（如 ID3），
export()时加tags={}清除，防止写入失败 - 示例片段：
from pydub import AudioSegment<br>segments = []<br>for f in ["a.wav", "b.wav", "c.wav"]:<br> seg = AudioSegment.from_file(f)<br> seg = seg.set_frame_rate(16000).set_channels(1)<br> segments.append(seg)<br>merged = sum(segments)<br>merged.export("out.wav", format="wav")
大数量小文件合并时内存与性能陷阱
每调用一次 AudioSegment.from_file() 就解码一次，100 个 100KB 的 WAV 文件可能占 500MB+ 内存。不要无脑循环 sum()：
- 改用累加方式：
acc = AudioSegment.silent(duration=0); acc += seg，比sum()少一次全量拷贝 - 对超多文件（>200），分批合并再合批，比如每 20 个合成一个中间文件，再合并中间文件
- 确保系统已安装
ffmpeg（pydub底层依赖），Windows 用户注意 PATH 要包含 ffmpeg.exe 所在目录，否则报FileNotFoundError: [Errno 2] No such file or directory: 'ffmpeg' - 若只是拼接、不做处理，且全部为 WAV 且参数完全一致，可用
wavio+numpy手动读取 data 块拼接，快 3–5 倍，但失去格式容错能力
最常被跳过的一步是：合并前用 ffprobe a.wav 实际查参数，而不是靠文件名或直觉判断——两个都叫 16k_mono.wav 的文件，可能一个是 16-bit signed，另一个是 32-bit float，pydub 会默认转成后者但不提示。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
