python不使用librosa库，通过FFT实现变调不变速，音频信号采样率为44.1kHz，时长2秒，要求先将输入信号处理为数组，尽量不要使用numpy的广播特性，请再次注意是变调不变速

好的，我明白了。首先，您可以使用Python内置的wave模块读取音频文件，然后将其转换为数组。代码如下：

import wave

# 打开音频文件
with wave.open('audio.wav', 'rb') as wav:
    # 获取采样率
    framerate = wav.getframerate()
    # 获取每个采样的位数
    samplewidth = wav.getsampwidth()
    # 获取音频信号的通道数
    nchannels = wav.getnchannels()
    # 获取音频信号的帧数
    nframes = wav.getnframes()
    # 读取音频信号
    data = wav.readframes(nframes)

# 将二进制数据转换为整数数组
if samplewidth == 2:
    # 16位采样
    fmt = f'<{nframes * nchannels}h'
else:
    # 8位采样
    fmt = f'<{nframes * nchannels}B'
data = struct.unpack(fmt, data)

# 将整数数组转换为浮点数数组
if samplewidth == 2:
    # 16位采样，将整数转换为浮点数
    data = [x / 32768.0 for x in data]
else:
    # 8位采样，将整数转换为浮点数
    data = [x / 128.0 - 1.0 for x in data]

接下来，您可以使用FFT变换将音频信号转换为频域信号，并进行变调操作。变调的本质是改变音频信号的频率，因此您可以通过对频域信号进行缩放来实现变调。具体来说，您可以将频域信号的横坐标（频率）按照一定比例进行缩放，然后使用逆FFT变换将其转换回时域信号。代码如下：

import math

# 将音频信号转换为频域信号
spectrum = [0.0] * nframes
for i in range(nframes):
    for j in range(nchannels):
        spectrum[i] += data[i * nchannels + j] * math.sin(math.pi * i / nframes)

# 缩放频域信号的横坐标
scale = 1.2  # 缩放比例
for i in range(nframes // 2):
    spectrum[i] *= scale ** (i / (nframes // 2))

# 将频域信号转换回时域信号
for i in range(nframes):
    for j in range(nchannels):
        data[i * nchannels + j] = spectrum[i] * math.sin(math.pi * i / nframes)

# 将浮点数数组转换为整数数组
if samplewidth == 2:
    # 16位采样，将浮点数转换为整数
    data = [int(x * 32767.0) for x in data]
else:
    # 8位采样，将浮点数转换为整数
    data = [int((x + 1.0) * 128.0) for x in data]

# 将整数数组转换为二进制数据
if samplewidth == 2:
    # 16位采样
    fmt = f'<{nframes * nchannels}h'
    data = struct.pack(fmt, *data)
else:
    # 8位采样
    fmt = f'<{nframes * nchannels}B'
    data = struct.pack(fmt, *data)

# 将二进制数据写入音频文件
with wave.open('output.wav', 'wb') as wav:
    wav.setframerate(framerate)
    wav.setsampwidth(samplewidth)
    wav.setnchannels(nchannels)
    wav.writeframes(data)

请注意，上述代码只是一个简单的示例，可能不够完善。在实际应用中，您可能需要考虑更多的因素，例如滤波、重采样等。另外，对于大型音频文件，上述代码可能会导致内存溢出，您可以考虑分块处理或使用流式处理来解决这个问题。