python处理长度2秒，采样率44.1kHz的音频信号，不使用librosa库，通过FFT实现变调不变速，请考虑滤波、重采样等方法，以及考虑使用分块处理或流氏处理，不用着急回答我，尽可能完善地考虑进多因素再回答，并给出较为完善且出错可能性最低的代码

好的，下面是一个较为完善的代码实现：

import numpy as np
from scipy import signal

# 重采样函数
def resample(signal, old_fs, new_fs):
    # 计算重采样比例
    resample_ratio = old_fs / new_fs
    # 计算重采样后的长度
    new_len = int(signal.shape[0] / resample_ratio)
    # 进行重采样
    resampled_signal = signal[::resample_ratio]
    # 低通滤波
    nyq = 0.5 * old_fs
    cutoff = 0.99 * nyq
    b, a = signal.butter(6, cutoff / nyq, btype='low')
    filtered_signal = signal.filtfilt(b, a, resampled_signal)
    return filtered_signal, new_fs

# FFT变调函数
def pitch_shift(signal, fs, shift_factor):
    # 进行FFT变换
    freq_domain = np.fft.fft(signal)
    # 计算变调后的频率
    shift_freq = np.linspace(0, fs, len(freq_domain), endpoint=False)
    shift_freq = shift_freq * shift_factor
    # 线性插值
    new_freq_domain = np.interp(np.arange(len(freq_domain)), shift_freq, freq_domain)
    # 进行IFFT逆变换
    time_domain = np.fft.ifft(new_freq_domain)
    return time_domain.real

# 主函数
def main(signal, fs, shift_factor):
    # 进行重采样
    resampled_signal, new_fs = resample(signal, fs, 16000)
    # 进行FFT变调
    shifted_signal = pitch_shift(resampled_signal, new_fs, shift_factor)
    # 进行重采样
    resampled_signal, _ = resample(shifted_signal, new_fs, fs)
    return resampled_signal

# 测试
if __name__ == '__main__':
    # 生成随机音频信号
    signal = np.random.random(2 * 44100)
    # 进行变调处理
    shift_factor = 1.2
    shifted_signal = main(signal, 44100, shift_factor)
    # 输出结果
    print('Original signal length: ', len(signal))
    print('Shifted signal length: ', len(shifted_signal))

需要注意的是，由于本实现使用的是FFT变调方法，因此可能会对信号的质量和可听性产生一些影响。如果需要更高质量的变调效果，可以考虑使用其他方法，例如PSOLA、WSOLA、TDHS等方法。另外，还需要针对不同的音频信号进行调整和优化，以达到最佳效果。