我可以将librosa生成的频谱图转换回音频吗？
是的，你可以将librosa生成的频谱图转换回音频。librosa是一个用于音频分析和处理的Python库，它提供了一系列功能来提取音频特征，包括频谱图。频谱图是一种将音频信号在时间和频率上表示的二维图像。
要将频谱图转换回音频，你可以使用librosa库中的逆变换函数。具体而言，你可以使用librosa.istft()函数将频谱图转换为时域信号。istft代表逆短时傅里叶变换（Inverse Short-Time Fourier Transform），它将频谱图转换为原始音频信号。
以下是一个示例代码，展示了如何使用librosa将频谱图转换回音频：
import librosa
import numpy as np
# 假设你已经有一个频谱图，命名为spectrogram
# spectrogram的形状应为(频率维度, 时间维度)
# 将频谱图转换为幅度谱
magnitude = librosa.db_to_amplitude(spectrogram)
# 使用逆短时傅里叶变换将幅度谱转换为时域信号
audio_signal = librosa.istft(magnitude)
# 将时域信号保存为音频文件
librosa.output.write_wav('reconstructed_audio.wav', audio_signal, sr)在上述代码中，librosa.db_to_amplitude()函数用于将频谱图转换为幅度谱。然后，使用librosa.istft()函数将幅度谱转换为时域信号。最后，使用librosa.output.write_wav()函数将时域信号保存为音频文件。
这是一个简单的示例，你可以根据自己的需求进行调整和扩展。希望对你有帮助！
关于librosa的更多信息和使用方法，你可以参考腾讯云的音频处理服务Tencent Cloud Audio Processing。
相关·内容
1回答
我有大约5000个音频样本，并已使每个频谱图，并保存为图像。我已经知道如何用librosa制作光谱图，显示它并保存在正确的图像中。但每次在保存图像之前，它都会降低成本。用所有5000个样本制作这个不是一个好主意。是否可以在不显示图像的情况下保存图像？
import numpy as np
import librosa
import librosa.display
import matplotlib.pyplot as plt
f_name = # path to current file
path = # path where to save result
X, s_rate = libr
浏览 0提问于2020-12-02得票数 0
我已经使用下面的代码在librosa中生成了一个梅尔谱图
import os
from matplotlib import pyplot as plt
import librosa
import librosa.display
import pylab
import numpy as np
x, sr = librosa.load('audio/example.wav')
mel = librosa.feature.melspectrogram(x,sr)
P = librosa.power_to_db(mel, ref=np.max)
librosa.display.sp
浏览 1提问于2020-08-31得票数 0
1回答
我遇到了使用librosa为音频文件生成log-mel频谱图的两种不同方法，我不知道它们在最终输出中为什么不同，哪一种是“正确的”，或者一种与另一种有多大的不同。 #1 path = "path/to/my/file"
scale, sr = librosa.load(path)
mel_spectrogram = librosa.feature.melspectrogram(scale, sr, n_fft=2048, hop_length=512, n_mels=10, fmax=8000)
log_mel_spectrogram = librosa.power_to_d
浏览 262提问于2021-05-09得票数 0
3回答
我正在使用librosa库将音乐片段转换为mel频谱图，以用作我的神经网络的输入，如文档所示。
这与有什么不同呢？使用这两种方法有什么优点或缺点吗？
浏览 5提问于2018-12-26得票数 18
1回答
我已经到处看了几天了，但还没有找到解决方案……我可以使用以下内容构建Librosa频谱图并提取振幅/频率数据：
audio, sr = librosa.load('short_piano melody_keyCmin_110bpm.wav', sr = 22500)
spectrum = librosa.stft(audio, n_fft=2048, window=scipy.signal.windows.hamming)
D = librosa.amplitude_to_db(np.abs(spectrum), ref=np.max)
n = D.shape[0]
Nfft
浏览 47提问于2021-06-04得票数 0
回答已采纳
1回答
嗨，我目前正在使用Librosa做一个音频项目，我想知道如何在音频文件中获得特定时间帧的频率振幅。我不知道这是不是很简单，但是我已经在网上找过了，什么也找不到。我知道你可以产生一个频谱图，但是你怎么能得到信息，比如在给定时间戳上a频率的振幅？
编辑:我指的是时间戳上的振幅。
浏览 1提问于2018-11-28得票数 0
2回答
我想将音频的短时傅立叶变换谱图存储为图像。下面的代码向我显示了一个光谱图作为输出，但当保存为图像时，我得到了一个不同的图像。
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
audio_name = '---.au'
hop_length = 512
window_size = 1024
import librosa
y, sr = librosa.load(audio_name)
window = np.hanning(window_size)
out = librosa.co
浏览 0提问于2018-09-21得票数 8
回答已采纳
1回答
我使用librosa生成了一些Mel-光谱图，用于生成对抗性网络(GANs)。我已经保存了生成的光谱图通过GAN的图像格式(.png)。现在我正试图将图像转换回音频。有可能吗？
浏览 6提问于2021-05-29得票数 0
2回答
我希望了解音频分析的各种频谱图。我想将一个音频文件转换为10秒的块，为每个块生成光谱图，并使用CNN模型在这些图像上进行训练，看看它们是好是坏。 我已经研究了线性，对数，mel等，并在某个地方读到基于mel的频谱图最适合用于此。但是没有适当的可证实的信息。我已经使用了以下简单的代码来生成mel谱图。 y,sr= librosa.core.load(r'C:\Users\Tej\Desktop\NoiseWork\NoiseOnly\song.wav')
S = librosa.feature.melspectrogram(y=y, sr=sr)
librosa.display
浏览 46提问于2019-04-04得票数 0
回答已采纳
1回答
我目前正在尝试将mel谱图转换回音频文件，然而，librosa的mel_to_stft功能需要很长时间(至少15分钟)才能在384 mel采样的30秒.wav文件中读取。
以下是我的代码：
# Code for high pass filter
def butter_highpass(cutoff, fs, order=5):
nyq = 0.5 * fs
normal_cutoff = cutoff / nyq
b, a = butter(order, normal_cutoff, btype='high', analog=False)
ret
浏览 12提问于2020-08-07得票数 2
我正在使用librosa库从音频数据中获取和过滤光谱图。
我主要理解生成光谱图背后的数学原理：
获取信号
窗口信号
对于每个窗口计算傅里叶变换
创建其列为转换的矩阵
绘制此矩阵的热图
所以对librosa来说这很容易
spec = np.abs(librosa.stft(signal, n_fft=len(window), window=window)
耶！我有我的FFTs矩阵。现在我看到了这个函数librosa.amplitude_to_db，我认为这就是我对信号处理的无知开始显现的地方。这是我在中等媒体上找到的一个片段：
spec = np.abs(libros
浏览 7提问于2020-08-10得票数 3
回答已采纳
2回答
我正在从事语音合成工作，我已经使用librosa构建了频谱图。当我想要将频谱图转换为音频以保存为wav文件时，它会产生问题。我寻求帮助，发现liborsa有一个函数mel_to_audio，但这不起作用。 我使用这个函数来获取音频文件的频谱图。 librosa.feature.melspectrogram 这是我用来将语谱图转换成音频的函数。 librosa.feature.inverse.mel_to_audio 但是我得到了这个错误。 ModuleNotFoundError: No module named 'librosa.feature.inverse' 这就是我使用
浏览 284提问于2019-09-17得票数 1
回答已采纳
1回答
例如， y, sr = librosa.load("sound.wav",sr=44100,mono=True)
half = int(y.shape / 2)
y1 = y[:half]
y2 = y[half:]
y_pit= librosa.effects.pitch_shift(y2, sr, n_steps=24)
y = np.concatenate([y1,y_pit]) 这段代码只导入sound.wav和音调偏移的后半部分，最后生成一个声音文件。 现在，我想要做的是更多。 我想只在特定的赫兹附近进行音调调整，比如440hz=A 例如 在这种情况下，我有声音(
浏览 42提问于2020-12-13得票数 1
回答已采纳
1回答
因此，我们的想法是:您可以使用短时傅立叶变换(stft)从音频文件生成光谱图。然后一些人产生了一种叫做“二进制掩码”的东西来产生不同的音频。去除背景噪音等)从逆阶梯上。
以下是我所理解的：
stft是应用于音频文件的一个简单的方程，它生成的信息可以很容易地显示在谱图上。通过取stft矩阵的逆，并将其乘以相同大小的矩阵(二进制矩阵)，您可以创建一个包含信息的新矩阵，以生成带有掩蔽声音的音频文件。
，一旦我做了矩阵乘法，如何创建新的音频文件？
虽然不多，但下面是我在代码方面得到的信息：
from librosa import load
from librosa.core import stft,
浏览 0提问于2018-08-02得票数 0
1回答
我正在使用python中的Librosa从GTZAN数据集中提取对数Mel谱图。我的代码是-
data, sampling_rate = librosa.load(os.path.join(dir, folder, file), )
mel = librosa.feature.melspectrogram(y=data, hop_length = 512//2, n_fft = 512, n_mels = 64)
mel = librosa.power_to_db(mel**2)
嗯，它工作得很完美。但是，每个Mel谱图的大小是不同的。大多数对数Mel谱图的大小为2586，其中少数大小为259
浏览 22提问于2019-11-07得票数 1
有一个为单声道音频生成mel谱图的代码。 import librosa, librosa.display
import matplotlib.pyplot as plt
import numpy as np
file = "C:/Users/User/Desktop/sound.wav"
y, sr = librosa.load(file, sr=48000)
librosa.feature.melspectrogram(y=y, sr=sr)
S = librosa.feature.melspectrogram(y=y, sr=sr, n_mels=128, fma
浏览 41提问于2020-10-19得票数 0
回答已采纳
我从一个音频文件中分解了频谱图，如下所示：
import librosa
y, sr = librosa.load('my audio file.wav')
S = np.abs(librosa.stft(y))
W, H = librosa.decompose.decompose(S, n_components=32)
现在如何将分解后的谱图重新组合成实际的谱图。
我想要的是这种类型的功能：
S=recompose(W,H)
浏览 42提问于2018-09-02得票数 0
1回答
我需要尽快画出一张谱图。用librosa计算频谱图，然后用matplotlib绘制。现在大约需要50ms，有没有可能更快？
我对matplotlib和librosa非常陌生。
这是我的代码：
mel_spec = lb.melspectrogram(y=samples, sr=44100, fmax=8000, n_mels=256)
plt.figure()
plt.subplots(figsize=(0.5, 5))
librosa.display.specshow(librosa.power_to_db(mel_spec, ref=np.max), fmax=8000)
plt.axi
浏览 18提问于2019-08-04得票数 0
1回答
我在试着找出为什么梅尔尺度谱图似乎有错误的频率尺度。我生成了一个4096 the的音调，并使用librosa的显示库绘制了它，但音调与已知的频率不一致？很明显我做错了什么，有人能帮帮忙吗？谢谢! import numpy as np
import librosa.display
import matplotlib.pyplot as plt
sr = 44100
t = np.linspace(0, 1, sr)
y = 0.1 * np.sin(2 * np.pi * 4096 * t)
M = librosa.feature.melspectrogram(y=y, sr=sr)
M_
浏览 96提问于2021-01-31得票数 0
1回答
我已经尝试过基于图像的直方图均衡化，它工作得很好。
但是现在我想用音频代替图像灰度来实现同样的方法。这意味着我想让频谱变得更平坦。我使用的采样率是44.1 The，希望使频率均匀分布到0-22050 the的范围，但峰值仍然是最高的。
以下是频谱：
这就是我尝试过的：
我认为我绘制的原始直方图已经是错误的，我无法计算每个频率出现的次数，或者我根本不应该这样做。有人告诉我需要使用fft()，但我不知道怎么做。
任何帮助都将不胜感激！谢谢
下面是我如何绘制频谱的代码：
import librosa
import numpy as np
import matplotlib.pypl
浏览 1提问于2020-12-10得票数 1
1回答
我正在尝试用librosa创建一个MFCC图，但是这个图看起来不是很详细。目标是将此MFCC频谱图呈现给神经网络。我正在测试的音频文件大约有1秒长，来自Google Speech Commands数据集。我的代码是：
WINDOW_SIZE = 20
NFFT=int((WINDOW_SIZE/1000)*16000)
samples, _ = librosa.load(f, sr=16000)
mfccs = librosa.feature.mfcc(y=samples[:16000], sr=16000, n_fft=NFFT, n_mfcc=40)
plt.figure(figs
浏览 6提问于2019-11-27得票数 1
2回答
我正在尝试用卷积神经网络进行音频分类。有六个班。使用librosa，我已经为一秒长的.wav音频文件创建了混合谱图。它返回640x480 .jpg文件。我现在的问题是如何继续输入，因为我认为输入对于网络来说太大了。如果是这样的话，什么才是适当的解决办法呢？大约60x60？它必须是二次型的吗？
在我看来，各种选择：
以较小的分辨率从librosa中重新编码熔融光谱图
在将cv2.resize()传递给输入层之前，只需使用cv2。
将分辨率保持不变，引入更多的卷积层。
？
浏览 0提问于2019-03-08得票数 2
回答已采纳
我正在尝试使用.wav文件夹加载Python中的一个文件。我的最后一个目标是创建音频文件的谱图。读取该文件的代码可归纳如下：
import scipy.io.wavfile as wav
(sig, rate) = wav.read(_wav_file_)
对于某些.wav文件，我收到以下错误：
WavFileWarning:不理解块(非数据)，跳过它。( WavFileWarning) ** ValueError:不完整的wav块。
因此，我决定使用librosa来读取文件，使用：
import librosa
(sig, rate) = librosa.load(_wav_file
浏览 0提问于2019-02-01得票数 9
回答已采纳
2回答
对于我的项目，我必须检测两个音频文件是否相似，以及第一个音频文件是否包含在第二个音频文件中。我的问题是，我试图使用librosa的numpy.correlate。我不知道我做得对不对。如何检测音频是否包含在另一个音频文件中？
import librosa
import numpy
long_audio_series, long_audio_rate = librosa.load("C:\\Users\\Jerry\\Desktop\\long_file.mp3")
short_audio_series, short_audio_rate = librosa.load("
浏览 0提问于2019-08-01得票数 1
我有一个包含多个wav文件的文件夹(目前是4个)。我想在一行中绘制wav，它的mfcc和mel频谱图，所以最后是一个有12个图形的图形(每行有3个图形，因此是4行)。我无法绘制图表，只能提取特征。有人可以帮助这个for循环吗？我的意思是如何使用subplot命令以及如何在循环中存储每个图形。 问候 path=glob.glob('the path having four wav files/*.wav')
for p in path:
y, sr = librosa.load(p, sr=16000)
mfcc=librosa.feature.mfcc(y)
浏览 129提问于2021-08-16得票数 0
回答已采纳
我有一些音频文件，我想要绘制的平均频谱的音频文件喜欢"audacity“软件使用PYTHON (librosa库)。我可以看到他们正在绘制整个音频的平均频率与振幅的关系图。 ? 之后，我想应用CNN对两类样本进行分类。寻求建议。 谢谢。
浏览 76提问于2019-04-25得票数 1
回答已采纳
如何使用librosa将男声转换为女声？ 我试着把男声转换成女声。我首先用librosa读取wav文件，然后用短时傅立叶变换处理音频时间序列，我希望我可以调整频谱(增加低频部分)来达到目的。 import matplotlib
matplotlib.use('TkAgg')
import librosa.display
y, sr = librosa.load("/Users/wu4mac/PycharmProjects/SpeechRecognition/weather.wav")
a = librosa.stft(y)
length = len(a)
浏览 63提问于2019-06-09得票数 0
这些天，我正在使用librosa，这是一种音频处理库。作为加载音频文件的基本步骤，可以使用下面的功能。
librosa.core.load()
然后将音频文件表示为音频时间序列。我认为时间序列的每个值都是音频的振幅。然而，我想知道振幅的单位是什么。
此外，振幅、功率、dB和能量之间的关系是什么？
浏览 1提问于2018-07-09得票数 0
2回答
绘制音频波形和频谱图重叠
、、、
我正在使用librosa处理音频，我需要在相同的显示中绘制频谱图和波形。 我的代码： plt.figure(figsize=(14, 9))
plt.figure(1)
plt.subplot(211)
plt.title('Spectrogram')
librosa.display.specshow(stft_db, x_axis='time', y_axis='log')
plt.subplot(212)
plt.title('Audioform')
librosa.display.waveplot(y, sr=sr)
浏览 36提问于2019-12-12得票数 1
1回答
我试图用日志刻度绘制44.1 kHz音频谱图.而librosa仅显示2^14 (16384) Hz，但应介于2^15和2^16 Hz之间。我怎么能绘制出全刻度谱图？
import matplotlib.pyplot as plt
import librosa.display
import numpy as np
import pandas as pd
import librosa
y, sr1 = librosa.load('sample01.wav', duration=10,sr=44100)
S = np.abs(librosa.stft(y))
import
浏览 13提问于2022-05-07得票数 0
1回答
我正在做：
melspectrogram = librosa.feature.melspectrogram(
y=samples, sr=sample_rate, window=scipy.signal.hanning, n_fft=n_fft, hop_length=hop_length)
print('melspectrogram.shape', melspectrogram.shape)
print(melspectrogram)
audio_signal = librosa.feature.inverse.mel_to
浏览 1提问于2020-02-23得票数 0
回答已采纳
当我提取一个音频文件时，我得到了一个Spectogram阵列形状的数组：(128，87)。当我试图从一个文件列表中提取80个音频文件时，我得到了(80,128)，但我想要一个像这样的数组(80,128，87)。我的代码中哪里出错了？ def get_features(y, sr=fs):
melspectrogram = librosa.feature.melspectrogram(y, sr=fs)
feature_vector = np.mean(melspectrogram,1)
return feature_vector 创建特征向量 # Load audio
浏览 35提问于2020-07-21得票数 0
我正在尝试制作一个类似如下的音频频谱可视化工具：
我已经有了连接到音频流并播放音乐的AAC播放器。现在如何添加此可视化组件？
浏览 1提问于2012-10-12得票数 5
回答已采纳
我正在尝试从音频的谐波成分中提取tonnetz。我的代码基本上是从教程中复制粘贴过来的
我的代码：
import librosa
def extract_feature(file_name):
y, sr = librosa.load(file_name)
y = librosa.effects.harmonic(y)
tonnetz = librosa.feature.tonnetz(y=y, sr=sr)
return tonnetz
print extract_feature("out.wav")
下面是堆栈跟踪：
/Library/
浏览 17提问于2017-01-27得票数 1
回答已采纳
1回答
我是遵循快速音频分类使用图像教程。对于长度为4秒的URBANSOUND数据集，图像大小为230x224。我使用的是DCASE音频数据集，它的长度为10秒。那么，在librosa中，如何根据音频的长度来确定图像的大小？
下面是生成平面图的代码。
def create_fold_spectrograms(fold):
spectrogram_path = Path('spectrogram/')
audio_path = Path('audio/')
print(f'Processing fold {fold}')
浏览 8提问于2020-06-04得票数 0
1回答
谱图中的时间步长差
、、、、
我有一个10秒长的音频文件。如果我使用matplotlib生成spectrogram，那么与librosa生成的频谱图相比，我得到的时间步数不同。 代码如下： fs = 8000
nfft = 200
noverlap = 120
hop_length = 120
audio = librosa.core.load(path, sr=fs)
# Spectogram generated using matplotlib
spec, freqs, bins, _ = plt.specgram(audio, nfft, fs, noverlap = noverlap)
print(spec
浏览 21提问于2020-09-30得票数 2
回答已采纳
1回答
Librosa Python3.5在8000Hhz音频样本上获得错误：
提取特征误差。滤波器通带位于奈奎斯特之外。
之前得到了关于Nyquist的其他错误，但是通过手动设置sr和fmin来修正，似乎无法通过这个错误。
stft = np.abs(librosa.stft(X))
mfccs = np.mean(librosa.feature.mfcc(y=X, sr=8000, n_mfcc=40, fmin=60).T,axis=0)
chroma = np.mean(librosa.feature.chroma_stft(S=stft, sr=8000).T,axis=0)
mel
浏览 0提问于2019-06-04得票数 3
2回答
我想把一些音频文件转换成光谱图。我想知道m4a和wav文件有什么不同。如果我有两个相同的音频记录，一个保存为wav，另一个保存为m4a，两者的频谱表示是否会有所不同？
浏览 58提问于2019-10-31得票数 2
1回答
我将一些音频文件转换为光谱图，并使用以下代码将其保存为文件： import os
from matplotlib import pyplot as plt
import librosa
import librosa.display
import IPython.display as ipd
audio_fpath = "./audios/"
spectrograms_path = "./spectrograms/"
audio_clips = os.listdir(audio_fpath)
def generate_spectrogram(x, sr, s
浏览 114提问于2020-04-10得票数 4
回答已采纳
我必须以编程方式混合音频文件(在录音中添加背景噪声)，我所有的文件都是8-9小时长的.opus格式的录音。 我曾尝试使用pydub.AudioSegment在内存中加载一个，但得到以下错误： path_to_input = '/path/to/my/input/file.opus'
sound_data = AudioSegment.from_file(path_to_input) Traceback (most recent call last):
File "<input>", line 1, in <module>
Fil
浏览 50提问于2021-01-05得票数 2
回答已采纳
1回答
语音活动检测
、、、、
在使用波形格式音频文件中的webrctvad获取二进制结果时，我遇到了一个问题。我使用librosa来加载.wav格式的音频文件。有人能告诉我如何使用librosa和webrtcvad来获得音频是否包含语音的二进制输出吗？
上面的链接帮助了我很多，但我仍然感到困惑，因为这个链接包含了一个很好的解释，但是在实现过程中出现了很多错误。
浏览 2提问于2020-05-13得票数 1
回答已采纳
作为标题，这个函数的结果是不符合逻辑的，我不明白这个函数在做什么。
例如，下面是一些可重复的代码：
#load sample audio
filename = librosa.util.example_audio_file()
audio, sr = librosa.load(filename)
#get intervals which are non-silent
inter_20 = librosa.effects.split(audio, top_db=20)
inter_5 = librosa.effects.split(audio, top_db=5)
#create audio
浏览 11提问于2019-11-20得票数 5
回答已采纳
1回答
我知道谱图可以使用python中不同库的不同函数来绘制。在matplotlib中，plyplot直接使用时间序列音频数据绘制频谱图，但librosa在绘制频谱图之前首先对数据进行短傅立叶变换。
但我仍然对这两个问题感到困惑。
请告诉我两者的详细区别
1.librosa.dispay.specshow()
2.matplotlib.pyplot.specgram()
我在网上搜索了很多次，但是找不到任何相关的信息。
浏览 3提问于2020-10-06得票数 0
3回答
当使用librosa.stft()计算光谱图时，如何获得相关的频率值？我不想像在librosa.display.specshow中那样生成一个映像，而是想要掌握这些值。
y, sr = librosa.load('../recordings/high_pitch.m4a')
stft = librosa.stft(y, n_fft=256, window=sig.windows.hamming)
spec = np.abs(stft)
spec给出了每个频率的“振幅”或“功率”，而不是频率本身。我已经看到，有一个display.specshow函数将在热图的垂直轴上显示这些频率
浏览 5提问于2020-08-11得票数 6
回答已采纳
1回答
MFCC谱图与枕谱图
、、、
我目前正在研究一种卷积神经网络(CNN)，并开始研究不同的光谱图：
关于Librosa图(MFCC)，谱图与其它谱图有很大的不同。我看了一看谈论的“未详细的”MFCC谱图。如何完成由提供的解决方案发布的任务(Python代码明智)？
此外，这个低分辨率的MFCC阴谋会错过任何滋扰的图像通过CNN？
如果您在执行代码方面有任何帮助，我们将衷心感谢！
这是我用来比较光谱图的Python代码，这里是正在分析的wav文件的。
Python代码
# Load various imports
import os
import librosa
import librosa.display
impo
浏览 3提问于2020-12-14得票数 1
回答已采纳
1回答
我目前正在尝试使用librosa来执行stfft，以便该参数类似于来自不同框架(Kaldi)的stfft过程。
音频文件为格式
卡尔迪使用的采样频率为16 KHz，window_size = 400 (25ms)，hop_length=160 (10ms)。
从这里提取的频谱图看起来像这样：
然后我尝试使用librosa做同样的事情：
import numpy as np
import sys
import librosa
import os
import scipy
import matplotlib.pyplot as plt
from matplotlib import cm
浏览 14提问于2017-01-14得票数 4
我正在尝试为音频文件获取单向量特征表示，以用于机器学习任务(具体地说，使用神经网络进行分类)。我在计算机视觉和自然语言处理方面有经验，但我需要一些帮助来加快音频文件的速度。
音频文件有各种各样的特征描述符，但MFCC似乎是用于音频分类任务最多的。我的问题是:如何获取音频文件的MFCC表示，它通常是一个矩阵(假设是系数矩阵)，并将其转换为单个特征向量？我目前正在使用来做这件事。
我有一堆音频文件，但它们的形状各不相同：
for filename in os.listdir('data'):
y, sr = librosa.load('data/' + fi
浏览 4提问于2014-09-23得票数 13
我有大约20K文件的音频数据，采样率为44100 20K。我正在使用这些数据来训练文本到语音的塔卡创模型。然而，为成功的培训配置的参数如下:因此，我需要将数据降到22.5Khz。
max_wav_value=32768.0,
sampling_rate=22050,
filter_length=1024,
hop_length=256,
win_length=1024,
n_mel_channels=80,
mel_fmin=0.0,
mel_fmax=8000.0,
我能够使用下面的代码成功地使用librosa=0.6.0降低数据的采样。
x, sr = librosa.load("
浏览 0提问于2021-04-19得票数 0
回答已采纳
2回答
我正在努力学习深入学习，特别是使用卷积神经网络。我想在一些音频数据上应用一个简单的网络。现在，据我所知，CNN经常用于图像和物体识别，因此在使用音频时，人们通常使用谱图(特别是mel-谱图)而不是时域上的信号。我的问题是，使用光谱图的图像(即RGB或灰度值)作为网络输入更好，还是应该直接使用光谱图的2d幅值？有什么不同吗？
谢谢。
浏览 4提问于2016-06-18得票数 1
回答已采纳
我决定使用来分析音乐信号并提取所需的特征。目前，我正在尝试可视化整个时间的音乐频谱。我在库中找到了这个执行短时傅立叶变换并返回光谱的。但其中一个返回矩阵，其中为特定帧计算频谱，而不是所有时间。
有没有可能使用这个库来计算整个时间的频谱，或者以某种方式处理给定的矩阵，或者在librosa中有一个特殊的方法来实现这一目的？
如果没有--你能推荐另一个图书馆吗？
提前谢谢你。
浏览 1提问于2017-10-09得票数 1
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
云直播
对象存储活动推荐
腾讯云开发者
