如何使用Python从fft频谱创建声音文件？

假设我有一个1s长的声音文件（file1.wav）。 我可以通过via阅读

from scipy.io import wavfile
samplerate, data = wavfile.read("file1.wav")

然后，我可以通过以下方式对其进行傅里叶变换：

from scipy.fft import fft
yf=fft(data)

现在让我们假设我有另一个文件2，其中也包含一个声音，它的持续时间与文件1不同（它可能还有另一个采样器）

现在我想创建一个与文件2一样长的频谱yf声音，并将两者相加

---

我如何从文件1中使用samplerate和文件2中的持续时间计算声音，以便能够将两者相加？

听起来这里的基本问题是“如何将音频拉伸/压缩到另一个持续时间”。这是一项不平凡的任务，没有一种银弹方法在所有情况下都能很好地工作。见维基百科。它关系到你操作的是哪种音频：语音、音乐还是其他什么

一个不错的起点是基于波形相似性的同步重叠加法或WSOLA算法。执行WSOLA的一种方法是免费使用其“节奏”效果：

更改音频播放速度，但不更改其音调。此效果使用WSOLA算法。音频被切分为若干段，然后在时域中移动，并在通过“最小二乘法”测量确定的波形最相似的点处重叠（交叉褪色）

示例用法：

sox infile.wav outfile.wav tempo -s 1.1

其中

1.1

表示“加速10%”，而

-s

配置为语音（其他选项为

-m

用于音乐或

-l

用于通用“线性”处理）。除此之外，还有其他选择，以了解更多细节

（旁注：一个相关的问题是在不改变持续时间的情况下改变音高。SoX也可以做到这一点；请参阅“音高”和“弯曲”效果。）

如果您想在Python中执行时间拉伸，那么有一个封装SoX的库。Python中的另一种可能性是，它实现了WSOLA和其他一些时间拉伸方法。

我研究过：但这里不能自由选择输出文件的大小。