我正在尝试创建一个由从WAV文件生成的Numpy数组组成的数据集。我可以将所有单独的WAV文件放入Numpy数组中，但我不能将它们合并成一个Numpy数组，因为它们的形状都略有不同。第一个维度对所有文件都是相同的，但第二个维度（帧数）略有不同。
要将WAV转换为Numpy，我使用librosa.stft。我能想到的唯一方法是用零填充每个Numpy以匹配最大帧数。这需要我迭代每个数组（3000）和每个数组中的每一行来填充每一行。一定有更好的方法。
这是通过WAV文件迭代的代码，转换为声谱图，然后保存为Numpy数组

def process(directory):
    # Load file
    for file in os.listdir(directory):
        f = os.path.join(directory, file).replace("\\", r"/")
        x, sr = librosa.load(f, sr=22050)
        # Covert to spectrogram
        X = librosa.stft(x)
        print(X.shape)
        spectrgoram = np.abs(X)
        # Save file
        np.save(f"C:/Python/GANs/Sound_Digit_Gan/Data2/{file}",spectrgoram)
        
process(directory)

由于X的形状被打印出来，这些是值的几个示例：（1025，二十三）（1025，二十九）（1025，二十六）（1025，三十四）（1025，二十六）（1025，二十七）（1025，四十）（1025，二十二）（1025，二十五）（1025，二十四）（1025，三十五）
然后，当我尝试使用以下代码创建列车数据集时：

directory = "C:/Python/GANs/Sound_Digit_Gan/Data2/"
train = []

for f in os.listdir(directory):
  file = os.path.join(directory, f).replace("\\", r"/")
  #print(file)
  array = np.load(file)
  #print(array.shape)
  train.append(array)
  
train = np.array(train)

我得到错误：ValueError: could not broadcast input array from shape (1025,13) into shape (1025,)我相信这是因为数组的形状不完全相同。如何才能得到相同的形状，而又不丢失音频信号数据？