标签: librosa

我正在尝试import librosa，但我遇到了这个错误：

/home/lakshya/anaconda3/envs/tff_env/lib/python3.9/site-packages/zmq/backend/cython/../../../../.././libstdc++.so.6: version `GLIBCXX_3.4.30' not found (required by /home/lakshya/anaconda3/envs/tff_env/lib/python3.9/site-packages/scipy/fft/_pocketfft/pypocketfft.cpython-39-x86_64-linux-gnu.so)

根据我浏览过的其他类似问题，我尝试以下方法来修复它：

1. sudo apt-get install libstdc++6

   它的输出：libstdc++6 已经是最新版本（10.2.1-6）。

2. sudo apt-get dist-upgrade

   其输出：0 个已升级、0 个新安装、0 个要删除、0 个未升级。

3. strings /usr/lib/x86_64-linux-gnu/libstdc++.so.6 | grep GLIBCXX

   它的输出：GLIBCXX版本高达GLIBCXX_3.4.28

4. conda install libgcc在我的虚拟环境“tff_env”中

   它的输出：libgcc-7.2.0安装在tff_env中

5. Pip 也在虚拟环境中安装了 libgcc 包。没用。

我能做些什么？

我的操作系统：Debian GNU/Linux 11（靶心）

我正在做：

import librosa


D = librosa.stft(samples, n_fft=nperseg, 
                 hop_length=overlap, win_length=nperseg,
                 window=scipy.signal.windows.hamming)

spect, _ = librosa.magphase(D)

audio_signal = librosa.griffinlim(spect, n_iter=1024, 
                                  win_length=nperseg, hop_length=overlap, 
                                  window=signal.windows.hamming)
print(audio_signal, audio_signal.shape)
sf.write('test.wav', audio_signal, sample_rate)

并且它在重建的音频信号中引入了明显的失真。我能做些什么来改善它？

我正在使用此算法来检测此音频文件的音高 .正如您所听到的,它是在吉他上播放的E2音符,背景中有一点噪音.

我使用STFT生成了这个频谱图:

我正在使用上面链接的算法,如下所示:

y, sr = librosa.load(filename, sr=40000)
pitches, magnitudes = librosa.core.piptrack(y=y, sr=sr, fmin=75, fmax=1600)

np.set_printoptions(threshold=np.nan)
print pitches[np.nonzero(pitches)]

结果,我fmin和我之间几乎可以获得所有可能的频率fmax.我该如何处理piptrack方法的输出以发现时间范围的基本频率？

UPDATE

不过,我仍然不确定这些2D数组代表什么.假设我想知道第5帧中82Hz的强度.我可以使用STFT函数来做到这一点,它只返回一个2D矩阵(用于绘制频谱图).

但是,piptrack做一些额外的事情可能是有用的,我真的不明白什么.pitches[f, t] contains instantaneous frequency at bin f, time t.这是否意味着,如果我想在时间帧t找到最大频率,我必须:

1. 转到magnitudes[][t]数组,找到具有最大幅度的bin.
2. 将bin分配给变量f.
3. 找到pitches[b][t]找到属于该bin的频率？

所以我想将频谱图图像提供给卷积神经网络，以尝试对各种声音进行分类。我希望每个图像都是 384x128 像素。但是，当我实际保存图像时，它只有 297x98。这是我的代码：

def save_spectrogram(num):
  dpi = 128
  x_pixels = 384
  y_pixels = 128
  samples, sr = load_wave(num)
  stft = np.absolute(librosa.stft(samples))
  db = librosa.amplitude_to_db(stft, ref=np.max)
  fig = plt.figure(figsize=(x_pixels//dpi, y_pixels//dpi), dpi=dpi, frameon=False)
  ax = fig.add_subplot(111)
  ax.axes.get_xaxis().set_visible(False)
  ax.axes.get_yaxis().set_visible(False)
  ax.set_frame_on(False)
  librosa.display.specshow(db, y_axis='linear')
  plt.savefig(TRAIN_IMG+str(num)+'.jpg', bbox_inches='tight', pad_inches=0, dpi=dpi)

有没有人对我如何解决这个问题有任何指示？我也试过在没有子图的情况下这样做，但是当我这样做时，它仍然保存为错误的大小并且有空白/背景。

我在 anaconda 中使用 librosa 0.6 并且我也安装了 ffmpeg 但我仍然收到此错误

代码是

a = np.exp(spectrum) - 1
    p = 2 * np.pi * np.random.random_sample(spectrum.shape) - np.pi
    for i in range(50):
        S = a * np.exp(1j * p)
        x = librosa.istft(S)
        p = np.angle(librosa.stft(x, N_FFT))
    librosa.output.write_wav(outfile, x, sr)

我正在尝试.wav使用Python 从文件中计算出频谱图。为了做到这一点，我遵循此处的说明。我首先.wav使用librosa库读取文件。在链接中找到的代码可以正常工作。该代码是：

sig, rate = librosa.load(file, sr = None)
sig = buf_to_int(sig, n_bytes=2)
spectrogram = sig2spec(rate, sig)

和功能sig2spec：

def sig2spec(signal, sample_rate):

# Read the file.
# sample_rate, signal = scipy.io.wavfile.read(filename)
# signal = signal[0:int(1.5 * sample_rate)]  # Keep the first 3.5 seconds
# plt.plot(signal)
# plt.show()

# Pre-emphasis step: Amplification of the high frequencies (HF)
# (1) balance the frequency spectrum since HF usually have smaller magnitudes compared to LF
# (2) avoid numerical …

解释

我希望能够根据声音的音色（音调）对列表中的声音集合进行排序。这是一个玩具示例，其中我手动对我创建并上传到此存储库的 12 个声音文件的声谱图进行了排序。我知道这些已正确排序，因为每个文件生成的声音与之前文件中的声音完全相同，但添加了一个效果或过滤器。

例如，声音的正确排序x，y以及z

• 声音x和y是相同的，但y有失真效果
• 声音 y 和 z 是相同的，但 z 过滤掉高频
• 声音x和z是一样的，但是z有失真效果，z过滤掉高频

将会x, y, z

只需查看声谱图，我就可以看到一些视觉指示符，暗示应如何对声音进行排序，但我希望通过让计算机识别这些指示符来自动化排序过程。

上图中声音的声音文件

• 长度都相同
• 所有相同的音符/音调
• 一切都在同一时间开始。
• 所有相同的幅度（响度级别）

即使所有这些条件都不成立，我希望我的排序能够工作（但即使它不能解决这个问题，我也会接受最佳答案）

例如，在下图中

• 与第一幅图像中的 MFCC_8 相比，MFCC_8 的开头发生了偏移
• MFCC_9 与第一张图像中的 MFCC_9 相同，但有重复（因此长度是其两倍）

如果第一张图片中的 MFCC_8 和 MFCC_9 替换为下图中的 MFCC_8 和 MFCC_9，我希望声音的排序保持完全相同。

对于我的真实程序，我打算通过像这样的声音更改来分解 mp3 文件

到目前为止我的计划

这是生成本文中第一张图像的程序。我需要将函数中的代码sort_sound_files替换为一些实际上根据音色对声音文件进行排序的代码。需要完成的部分位于该存储库的底部附近和声音文件。我的jupyter 笔记本中也有这段代码，其中还包括第二个示例，该示例更类似于我实际希望该程序执行的操作

import librosa
import librosa.display
import matplotlib.pyplot as plt
import numpy as np
import math …

背景

这是来自电子歌曲的歌曲剪辑视频。在视频的开头，歌曲全速播放。当您放慢歌曲速度时，您可以听到歌曲使用的所有独特声音。其中一些声音重复。

• 视频中音频的 Mp3、Wav 和 MIDI

问题描述

我想要做的是创建一个像下面这样的视觉效果，其中为每个独特的声音创建一个水平轨道/行，该轨道上有一个彩色块，对应于声音播放的歌曲中的每个时间帧。音轨/行应按声音与每个音轨的相似程度排序，越相似的声音越靠近。如果声音完全相同，以至于人类无法区分它们，那么它们应该被视为相同的声音。

• 如果它通常可以满足我的要求，我会接受一个不完美的解决方案

• 观看上面链接的视频，了解我所说的内容。它包括一个我手动创建的视觉网格，它几乎与我试图生成的网格相匹配。

例如，如果下面的 5 个波中的每一个都代表声音产生的声波，则这些声音中的每一个都将被视为相似，并且将在网格上垂直放置在一起。

尝试

我一直在看一个例子拉普拉斯分割在librosa。标记为结构组件的图形看起来可能正是我所需要的。从阅读论文来看，他们似乎试图将歌曲分解为合唱、诗歌、桥段等片段……但我实际上是在尝试将歌曲分解为 1 或 2 个节拍片段。

这是拉普拉斯分割的代码（如果您愿意，也可以使用Jupyter Notebook）。

# -*- coding: utf-8 -*-
"""
======================
Laplacian segmentation
======================

This notebook implements the laplacian segmentation method of
`McFee and Ellis, 2014 <http://bmcfee.github.io/papers/ismir2014_spectral.pdf>`_,
with a couple of minor stability improvements.

Throughout the example, we will refer to equations in the paper by number, so it will be
helpful …

我正在使用 Pytorch 在 Python 3.9.2（64 位）上的 Raspberry Pi 4 上运行一个简单的 CNN，进行一些音频分类。对于所需的音频操作，我使用 librosa。librosa 依赖于 numba 包，该包仅与 numpy 版本 <= 1.20 兼容。

运行我的代码时，该行

spect_tensor = torch.from_numpy(spect).double()

抛出运行时错误：

RuntimeError: Numpy is not available

在互联网上搜索解决方案时，我发现将 Numpy 升级到最新版本以解决该特定错误，但抛出另一个错误，因为 Numba 仅适用于 Numpy <= 1.20。

是否有解决此问题的方法，其中不包括寻找使用 librosa 的替代方案？

我使用Librosa库进行音高和起始检测.具体来说,我正在使用onset_detect和piptrack.

这是我的代码:

def detect_pitch(y, sr, onset_offset=5, fmin=75, fmax=1400):
  y = highpass_filter(y, sr)

  onset_frames = librosa.onset.onset_detect(y=y, sr=sr)
  pitches, magnitudes = librosa.piptrack(y=y, sr=sr, fmin=fmin, fmax=fmax)

  notes = []

  for i in range(0, len(onset_frames)):
    onset = onset_frames[i] + onset_offset
    index = magnitudes[:, onset].argmax()
    pitch = pitches[index, onset]
    if (pitch != 0):
      notes.append(librosa.hz_to_note(pitch))

  return notes

def highpass_filter(y, sr):
  filter_stop_freq = 70  # Hz
  filter_pass_freq = 100  # Hz
  filter_order = 1001

  # High-pass filter
  nyquist_rate = sr / …