torchaudio 怎样重采样多声道波形

torchaudio 重采样多声道波形时，把张量整理为 [channels, time]，再交给 torchaudio.transforms.Resample(orig_freq, new_freq) 即可。算子沿最后一维处理，前面的声道维保持不变；它不会自动把立体声混成单声道，也不能用修改采样率变量代替实际重采样。

官方文档地址：https://docs.pytorch.org/audio/stable/。下面以“两声道48kHz输入适配16kHz下游”为原创场景，重点说明怎样把既有单声道脚本迁移成保留声道的预处理函数。

迁移范围先限定在波形张量

Torchaudio 官方说明从2.8开始进入维护阶段，部分接口在2.8弃用并于2.9移除，音视频编解码能力集中到 TorchCodec。这个变化涉及文件输入输出与旧接口迁移，不能据此推断 Resample 已经消失；当前官方文档仍提供张量重采样接口。

因此我会先把代码切成两层：文件读取负责交付波形与真实采样率，重采样函数只接收张量。本文不依赖旧的音频后端配置，也不承诺任何两个 torch、torchaudio 版本可任意混装；安装时应按官方兼容说明选择组合。示例不调用 load 或 save，避免把编解码依赖问题混入声道维度问题。

把旧脚本中的三个假设改掉

如果外部库交付的是 [time, channels]，要根据已知的输入契约交换两个维度，不能仅凭哪一维更短自动猜测。对 [batch, channels, time] 这样的张量，接口支持最后一维是时间；但下文包装函数有意限定二维，避免把批次维误当声道处理。

用同一个Resample保留全部声道

这里不需要对左右声道分别写循环，更不要先展平再恢复：展平会把声道边界拼进时间序列。以下函数对整个二维波形调用一次算子，返回处理后的张量及目标采样率；整数PCM的缩放规则留给输入层明确处理。

import torch
import torchaudio

# 明确约定输入为[声道, 时间]，避免把时间与声道混淆。
def resample_channels(waveform, source_rate, target_rate):
    if waveform.ndim != 2 or min(waveform.shape) == 0:
        raise ValueError("需要非空的[声道, 时间]张量")
    if source_rate 

按照示例的构造，输入应为 (2, 48000)，输出预期为 (2, 16000)。这是由一秒时长及整数采样率比例推导的形状，不是本文实测记录。普通长度换算时要考虑输出长度的整数取整，不应要求任意输入长度都有精确整数比例。

两个声道分别保留各自内容，输出在16kHz下仍约一秒。若只修改标签而保留48000个时间点，下游按16kHz解释时会得到约三秒时长，这正是“音频变慢”类问题需要先排除的输入错误。重采样也不是语音增强，不能保证识别效果或恢复原先不存在的高频内容。

设备和精度变化时连同算子一起迁移

同一采样率组合需要处理许多波形时，可以在外层创建并复用 Resample。它会缓存重采样核；functional.resample 则不复用这个缓存，更适合一次性或参数常变的调用。示例为了便于独立阅读，在函数内创建算子，批量生产代码应把创建位置移到处理循环外。

缓存不能只按“目标16k”分类：源采样率、目标采样率、滤波参数、设备和精度都应与当前输入匹配。把输入移到CUDA而算子留在CPU，或把输入改成double而继续使用不匹配的核，都会使交付约定不完整。上例通过 dtype 和 to(device=...) 显式匹配，未承诺支持半精度。

需要float64精度时，构造 Resample 就传入 dtype=torch.float64。仅把默认已缓存的float32核事后转成double，并不会找回创建时失去的精度。默认参数适合作为起点；滤波宽度、rolloff等属于质量和计算开销的选择，不应在没有任务依据时盲目调大。

交付前记录形状与采样率

迁移时可以把下面的清单放到调用方约定中：输入明确声道顺序；最后一维是时间；源采样率来自读取层；输出采样率与真实变换一致；下游是否需要单声道另作说明。对于一批不同源采样率的文件，应逐个读取元数据，不能复用第一份文件的采样率标签。

识别模型只支持单声道，Resample会帮忙合并吗？

不会。应按模型输入说明另行选择声道或混音，不能默默取第一路，也不能假定简单平均适合所有音频；不同声道的相位和用途可能不同。

原采样率和目标采样率相同，还要调用吗？

不需要改变采样点。业务可以直接保留波形，但仍应确认传入的源采样率确实对应这些样本，避免把错误标签当成跳过条件。

能否把长音频任意切块后各自重采样再拼接？

不能据此保证与整段结果相同。滤波涉及邻域，独立切块会产生边界问题；这里的示例处理完整波形，不提供流式状态管理方案。

参考：Torchaudio维护阶段说明、Resample接口与精度说明、functional.resample张量约定、官方重采样教程。