packed 隔一个取一个，planar 直接拿平面。 分离与合并在数组层面都是「改变形状」，不涉及运算。
10.2.2 讲了两种摆法，这一节讲怎么从里面把声道拆出来。 10.3.3 会讲怎么用重采样器整批地转存法。
一、packed：隔一个取一个
交错存的时候，左右是轮流出现的。 取什么 写法 结果
左 a[0, 0::2] 1 3 5 7 9 11 右 a[0, 1::2] 2 4 6 8 10 12
0::2 的意思是「从第 0 个起，每隔一个取」，1::2 从第 1 个起隔一个取。
C 里对应的是一个步长为 2 的循环：for (i = 0; i < n; i += 2)。
Python 的切片写法把那个循环藏起来了，语义完全一样。
二、planar：直接拿平面
分平面存的时候，声道本来就是分开的。 取什么 写法 结果
左 b[0] 100 101 102 103 104 105 右 b[1] 200 201 202 203 204 205
一个切片都不用，直接取下标。 所以 planar 上「分离声道」是零成本的——它本来就已经分开了。 这也解释了为什么内部处理都用 planar： 声道相关的操作在 planar 上都是「拿一块」，在 packed 上都是「跨步挑」。
三、真实音轨上做一次
AAC 解出来是 planar 的浮点，左右直接两行拿到。 项 值
样本格式 fltp 布局 stereo shape (2, 1024) 取左 ra[0] 取右 ra[1]
值是 0 点几的小数，范围 −1.0 到 1.0，不是整数。这是浮点 PCM 的量级，别拿它当 int16 读。 另外注意：前几个样本往往全是 0.0（编码器开头有静音）， 从 0 里看不出任何东西，要看数据得跳到有声的位置。 这是看音频数据的一条实用习惯。
四、合回去
分离的逆运算，也是改形状。 从哪到哪 怎么做
两个单声道→立体声 planar 堆成 (2, n) 两个单声道→立体声 packed 先堆再转置拉平 立体声→两个单声道 切片或取平面
这三行全都是 reshape 与转置，没有一个乘法。 所以「分离声道」这件事本身不花钱。 真正要算的是「混音」与「声道重映射」：把 5.1 压成立体声， 得按权重把几个声道加起来——那才是重采样器的活。
五、教材用 C 写的重点
C 版的重点不在算法，在指针。 C 里要处理的 坑在哪
平面指针数组 stereo 有两个指针，别当连续内存 每平面的字节数 packed 是总字节，planar 是每声道字节 越界与对齐 步长算错就写坏内存
这三条在 Python 里都被 numpy 挡住了，所以这里的代码看着简单。 但看懂 C 版能让你明白：为什么 planar 的「每平面大小」要单独算。 沙箱里没有编译器，这一节的 C 代码只能读、不能跑， 所以用 Python 演示同一套下标逻辑，把「算法」与「内存管理」分开。
六、动手 Demo：分离左右声道，两种存法两种写法
造 packed 与 planar 各一帧，用两种写法分离；再到真实音轨上取一次。
import numpy as np
import av
# packed：隔一个取一个
a = av.AudioFrame(format="s16", layout="stereo", samples=6)
a.sample_rate = 8000
arr = a.to_ndarray()
print(arr.shape)
print(arr[0, 0::2].tolist(), arr[0, 1::2].tolist())
# planar：直接拿平面
b = av.AudioFrame(format="s16p", layout="stereo", samples=6)
b.sample_rate = 8000
brr = b.to_ndarray()
print(brr.shape)
print(brr[0].tolist(), brr[1].tolist())
# 真实音轨：跳到有声的位置看
c = av.open("tiny.mp4")
st = c.streams.audio[0]
for pk in c.demux(st):
if pk.size == 0:
break
for fr in st.codec_context.decode(pk):
d = fr.to_ndarray()
if np.abs(d).max() > 0.01:
i = int(np.argmax(np.abs(d).max(axis=0)))
print(fr.format.name, d.shape, i)
print(d[0][i:i+3], d[1][i:i+3])
raise SystemExit
实跑输出：
--------------------------------------------------------------------
分离左右声道，两种存法两种写法
--------------------------------------------------------------------
**① packed：隔一个取一个**
取什么 写法 结果
--------------------------------------------------
左 a[0, 0::2] [1, 3, 5, 7, 9, 11]
右 a[0, 1::2] [2, 4, 6, 8, 10, 12]
**`0::2` 的意思是「从第 0 个起，每隔一个取」**，
**`1::2` 从第 1 个起隔一个取。** 这就是 packed 的分离法。
**② planar：直接拿平面**
取什么 写法 结果
------------------------------------------------------
左 b[0] [100, 101, 102, 103, 104, 105]
右 b[1] [200, 201, 202, 203, 204, 205]
**planar 里左右本来就是分开的，直接取下标就行**，一个切片都不用。
**所以「分离声道」这件事在 planar 上是零成本的。**
**③ 真实音轨上做一次**
项 值
---------------------------------------------------------
样本格式 fltp
布局 stereo
shape (2, 1024)
平面数 2
最响处第几个样本 676
左声道那四个 [-0.305, -0.305, -0.304, -0.301]
右声道那四个 [-0.305, -0.305, -0.304, -0.301]
**解出来是 planar 的浮点帧**，左右两声道直接 `ra[0]` 与 `ra[1]` 拿到。
**注意值是 0 点几的小数**——32 位浮点的音频就是这个量级，**范围是 −1.0 到 1.0**，不是整数。
**两个声道前几个样本都是 0.0，所以上面取的是「最响那个位置」。**
**这是看音频数据时的一个实用习惯**：静音段所有声道都是 0，
**从 0 里看不出任何东西，得跳到有声的地方看。**
**④ 合回去**
从哪到哪 怎么做
------------------------------------------------
两个单声道→立体声 planar 直接堆成 (2, n)
两个单声道→立体声 packed 先堆再转置拉平
立体声→两个单声道 切片或取平面
**分离与合并在数组层面都是「改变形状」，不涉及任何运算。**
**真正要算的是「混音」与「声道重映射」**，那是重采样器的工作。
packed 用 0::2 与 1::2，planar 用 [0] 与 [1]，两种写法。
前几个样本常是 0.0，要看数据得先找到最响的位置。
30 秒实验
- 把 planar 两平面相减，看左比右大还是小（提示：看波形的差）。
- 把两平面相加再除以 2，得到的是什么（提示：一种混音）。
- 用
np.stack([l, r])把两个单声道合成立体声 planar，验证 shape。
常见误区
- 在 packed 上按
[0]与[1]取声道。 那样取到的是两个样本，不是两个声道。 - 在 planar 上用
0::2。 planar 每平面本身已经是单个声道。 - 以为分离声道要重新编码。 它只是改形状，不涉及重采样。
自测三问（点开对答案）
1. packed 立体声怎么取左声道？ —— 从第 0 个起隔一个取，Python 里是 `a[0, 0::2]`。 2. planar 立体声的 shape 是什么？ —— (2, n)，第一个下标是声道。 3. 为什么看真实音频要先找「最响的位置」？ —— 开头常是静音，全是 0，看不出任何信息。- ☐ （本节完，下一节 10.2.5 swr的使用流程及API简介）