librosa.get_duration() 是无参函数，不能直接传入音频数组；必须显式指定 y（一维音频信号）和 sr（采样率）关键字参数，否则会报错“takes 0 positional arguments but 1 was given”。
librosa.get_duration() 是无参函数，不能直接传入音频数组；必须显式指定 `y`（一维音频信号）和 `sr`（采样率）关键字参数，否则会报错“takes 0 positional arguments but 1 was given”。
在使用 librosa.get_duration() 计算音频时长时，一个常见误区是将其误当作接受音频张量的普通函数调用。实际上，librosa.get_duration() 是一个不接收任何位置参数（positional arguments）的函数，其设计要求所有输入必须通过关键字参数明确传入：核心参数为 y（一维音频时间序列）和 sr（采样率）。若直接写成 lb.get_duration(swap_ad[1])，Python 会尝试将 swap_ad[1] 作为第一个位置参数传递，而该函数签名中并未定义位置参数，因此触发 TypeError。
正确做法是：确保传入的是单声道、一维的 NumPy 数组，并显式指定 y= 和 sr=。例如，在你的代码中，swap_ad[1] 是多通道（如立体声）的二维数组（shape: [n_samples, n_channels]），需进一步切片获取单声道信号（如 swap_ad[1][:, 0] 表示第一通道的所有采样点），同时传入已知采样率 sr：
import numpy as np
import librosa as lb
import soundfile as sp
def decoding_stems(file_name):
audio, sr = sp.read_stems(file_name, sample_rate=22050)
swap_ad = np.swapaxes(audio, 1, 2) # shape: [n_samples, n_channels, n_stems]
# ✅ 正确：提取第1个stem的第1个声道，显式传入 y 和 sr
duration = lb.get_duration(y=swap_ad[1][:, 0], sr=sr)
# 计算可被6整除的总帧数（每段0.6秒 → 6帧/段）
duration_length = int((duration // 0.6) * 6)
return stft_frame(file_name, duration_length, 6)⚠️ 注意事项：
- swap_ad[1] 若本身已是单声道（shape: [n_samples]），则直接用 y=swap_ad[1] 即可，但仍必须加 y= 前缀；
- 不要省略 sr 参数——即使与 read_stems 中的 sample_rate 一致，get_duration() 也不会自动推断；
- 若音频含多个声道且需整体时长，应先混音（如 np.mean(swap_ad[1], axis=1)）再传入，而非直接传入二维数组；
- 该错误常在训练集运行成功、测试集报错时出现，往往因测试音频格式/通道数与训练不一致导致 swap_ad[1] 维度异常，建议在调用前添加形状校验（如 assert swap_ad[1].ndim
总结：牢记 librosa.get_duration() 的函数签名是 get_duration(*, y=None, sr=22050, ...) —— 星号 * 表示其后所有参数均为仅限关键字参数（keyword-only）。任何位置传参都会引发 TypeError。始终使用 y=... 和 sr=... 显式调用，即可彻底规避此问题。
