如何正确使用pitch_shift（librosa）？

Question

我尝试使用librosa 中的librosa 和pitch_shift。我录制了一些声音并使用了以下代码：

sampling_rate= 44100
y, sr = librosa.load(directory, sr=sampling_rate) # y is a numpy array of the wav file, sr = sample rate

y_shifted = librosa.effects.pitch_shift(y, sr, n_steps=4, bins_per_octave=24)  # shifted by 4 half steps
librosa.output.write_wav(directory, y_shifted, sr=sampling_rate, norm=False)

它工作得很好 - 几乎。

我在新声音中听到一些噪音（在变调之后）

有什么我需要使用的东西吗？

不带平移：

https://vocaroo.com/i/s1qEEDvzcUHN

使用平移（n_steps = 4）：

https://vocaroo.com/i/s0cOiC0cFJSB

Answer 1

音高移动通常涉及STFT，即沿频率轴的幅度谱的移动\xe2\x80\x94，然后通过Griffin-Lim算法（Quora-关于 Griffin-Lim 工作原理的解释）进行信号重建。

\n\n

问题是，当我们移动幅度谱时，我们只是这样做\xe2\x80\x94并忽略相位！Griffin-Lim 试图找到一种合理的解决方案，以在重建时域信号时找到正确的相位，但通常只是这样：一种合理的解决方案，而不是完美的解决方案。这就是为什么你会听到金属声。这就是信号的相位不太正确（也称为“相位”）。

\n\n

我相信你的函数调用librosa是完全没问题的。它可能不是地球上最伟大的实施。尝试一下PyRubberband。它基于Rubberband（一个C++库）并享有良好的声誉。

\n