增益调整的本质是对音频采样数组进行标量缩放，即每个采样点乘以线性增益因子，需确保结果不溢出目标数据类型范围（如int16的[-32768, 32767]），否则引发削波；numpy仅处理已加载的数值数组，不涉及音频文件读写。
增益调整的本质是数组缩放，不是音频格式操作
NumPy 本身不处理音频文件读写，它只负责对已加载的采样数据（通常是 numpy.ndarray）做数值运算。增益调整就是对每个采样点乘以一个标量因子，比如 gain = 1.5 表示整体放大 1.5 倍，gain = 0.5 表示衰减一半。关键在于：必须确保结果不溢出目标数据类型范围（如 int16 的 [-32768, 32767]），否则会 clipping（削波）。
- 先用
scipy.io.wavfile.read或soundfile.read加载音频，得到sample_rate和data数组 -
data通常为int16，做增益前建议转成float64或float32避免整数溢出 - 增益值推荐用浮点数，避免
int类型参与乘法导致截断 - 增益后需按原始 dtype 截断并转换回去，例如用
np.clip(data * gain, -32768, 32767).astype(np.int16)
如何安全地应用增益而不削波
盲目乘以大于 1 的增益极易导致 clipping，尤其当原始信号已接近满幅时。最稳妥的做法是基于峰值归一化——先算出当前最大绝对值，再反推最大允许增益。
- 计算当前峰值：
peak = np.max(np.abs(data)) - 若原始是
int16，安全上限为32767；若已是float且归一化到 [-1.0, 1.0]，上限为1.0 - 想实现 +3dB 增益？对应线性增益约
10**(3/20) ≈ 1.412，但必须先检查是否越界：if peak * 1.412 > 32767: warn("将发生 clipping") - 更鲁棒的做法是先归一化再增益：
normalized = data.astype(float) / 32767.0，然后adjusted = np.clip(normalized * target_gain, -1.0, 1.0) * 32767
多声道音频的增益要统一处理，不能逐通道独立缩放
立体声或更多声道的 data 通常是 shape 为 (n_samples, n_channels) 的二维数组。增益应作用于所有通道的幅度，而非每个通道单独计算峰值——否则左右声道响度会失衡。
- 错误做法：
data[:, 0] *= gain和data[:, 1] *= gain分开写（虽结果一样，但易误写成不同 gain） - 正确做法：直接
data = data * gain，NumPy 广播机制会自动对所有列应用相同系数 - 若需按通道差异化处理（如仅调左声道），必须显式切片并分别 clip，例如：
data[:, 0] = np.clip(data[:, 0] * 1.2, -32768, 32767) - 注意：某些库（如
librosa）默认返回 shape 为(n_channels, n_samples)，务必检查data.shape再操作
保存增益后的音频时 dtype 必须匹配原始格式
用 scipy.io.wavfile.write 写 WAV 文件时，若传入 float64 数组但未指定 dtype，它会默认按 int16 解释，导致严重失真。这是实际中最常被忽略的坑。
- 写入前确认：
data.dtype == np.int16（对标准 WAV） - 如果增益后仍是
float，必须显式转换：data_int16 = (data * 32767).clip(-32768, 32767).astype(np.int16) -
scipy.io.wavfile.write不接受float输入，报错信息是ValueError: Array contains non-integer values - 用
soundfile.write更灵活，支持直接写 float32，但需指定 subtype，例如：subtype='FLOAT32'
实际中真正麻烦的不是乘法本身，而是 dtype 转换链和 clipping 边界判断——少一步 clip 或错一次 astype，输出就完全不可听。
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！
