如何使用 python 绘制整个音频文件的频谱或频率与幅度？

Question

我有一些音频文件，我想使用 PYTHON （librosa 库）绘制音频文件的平均频谱，例如“audacity”软件。我可以看到他们正在绘制整个音频的平均频率与幅度图。

之后，我想应用 CNN 对两类样本进行分类。寻找建议。

谢谢。

Answer 1

通常，您使用librosa.display.specshow绘制随时间变化的频谱图，而不是整个文件。事实上，作为 CNN 的输入，您可能更愿意使用librosa.stft生成的随时间变化的频谱图或一些 Mel 频谱图，具体取决于您的分类目标。

例如，如果您想按流派进行分类，梅尔频谱图可能是最合适的。如果您想找出调或和弦，则需要恒定 Q 频谱图 (CQT) 等。

也就是说，这里有一些代码可以回答您的问题：

import librosa
import numpy as np
import matplotlib.pyplot as plt


file = YOUR_FILE
# load the file
y, sr = librosa.load(file, sr=44100)
# short time fourier transform
# (n_fft and hop length determine frequency/time resolution)
n_fft = 2048
S = librosa.stft(y, n_fft=n_fft, hop_length=n_fft//2)
# convert to db
# (for your CNN you might want to skip this and rather ensure zero mean and unit variance)
D = librosa.amplitude_to_db(np.abs(S), ref=np.max)
# average over file
D_AVG = np.mean(D, axis=1)

plt.bar(np.arange(D_AVG.shape[0]), D_AVG)
x_ticks_positions = [n for n in range(0, n_fft // 2, n_fft // 16)]
x_ticks_labels = [str(sr / 2048 * n) + 'Hz' for n in x_ticks_positions]
plt.xticks(x_ticks_positions, x_ticks_labels)
plt.xlabel('Frequency')
plt.ylabel('dB')
plt.show()

这会导致以下输出：