人工智能音頻處理庫—librosa(安裝與使用)

序言

一、libsora安裝

pypi

conda

source

二、librosa常用功能

核心音頻處理函數

音頻處理

頻譜表示

幅度轉換

時頻轉換

特征提取

繪圖顯示

三、常用功能代碼實現

讀取音頻

提取特征

提取Log-Mel Spectrogram 特征

提取MFCC特征

繪圖顯示

繪制聲音波形

繪制頻譜圖

序言

Librosa是一個用于音頻、音樂分析、處理的python工具包，一些常見的時頻處理、特征提取、繪制聲音圖形等功能應有盡有，功能十分強大。本文主要介紹librosa的安裝與使用方法。

一、libsora安裝

Librosa官網提供了多種安裝方法，詳細如下：

pypi

最簡單的方法就是進行pip安裝，可以滿足所有的依賴關系，命令如下：

pip install librosa

conda

如果安裝了Anaconda，可以通過conda命令安裝：

conda install -c conda-forge librosa

source

直接使用源碼安裝，需要提前下載源碼(https://github.com/librosa/librosa/releases/)，通過下面命令安裝：

tar xzf librosa-VERSION.tar.gzcd librosa-VERSION/python setup.py install

二、librosa常用功能

核心音頻處理函數

這部分介紹了最常用的音頻處理函數，包括音頻讀取函數load( )，重采樣函數resample( )，短時傅里葉變換stft( )，幅度轉換函數amplitude_to_db( )以及頻率轉換函數hz_to_mel( )等。這部分函數很多，詳細可參考librosa官網 http://librosa.github.io/ librosa/core.html

音頻處理

頻譜表示

幅度轉換

時頻轉換

特征提取

本部分列舉了一些常用的頻譜特征的提取方法，包括常見的Mel Spectrogram、MFCC、CQT等。函數詳細信息可參考http:// librosa.github.io/librosa/feature.html

繪圖顯示

包含了常用的頻譜顯示函數specshow( ), 波形顯示函數waveplot( )，詳細信息請參考http://librosa.github.io/librosa/display. html

三、常用功能代碼實現

1.讀取音頻

# # 2020-11-9# # 李運辰#導入庫import librosa# # 讀取音頻# Load a wav filey, sr = librosa.load('./sample.wav')print(y)#Librosa默認的采樣率是22050，如果需要讀取原始采樣率，需要設定參數sr=None:print(sr)y, sr = librosa.load('./sample.wav',sr=None)#可見，'beat.wav'的原始采樣率為16000。如果需要重采樣，只需要將采樣率參數sr設定為你需要的值：print(sr)y, sr = librosa.load('./sample.wav',sr=18000)print(sr)

2.提取特征

提取Log-Mel Spectrogram 特征

Log-Mel Spectrogram特征是目前在語音識別和環境聲音識別中很常用的一個特征，由于CNN在處理圖像上展現了強大的能力，使得音頻信號的頻譜圖特征的使用愈加廣泛，甚至比MFCC使用的更多。在librosa中，Log-Mel Spectrogram特征的提取只需幾行代碼：

# # 提取特征# Load a wav filey, sr = librosa.load('./sample.wav', sr=None)# extract mel spectrogram featuremelspec = librosa.feature.melspectrogram(y, sr, n_fft=1024, hop_length=512, n_mels=128)# convert to log scalelogmelspec = librosa.power_to_db(melspec)print(logmelspec.shape)

可見，Log-Mel Spectrogram特征是二維數組的形式，128表示Mel頻率的維度(頻域)，100為時間幀長度(時域)，所以Log-Mel Spectrogram特征是音頻信號的時頻表示特征。其中，n_fft指的是窗的大小，這里為1024；hop_length表示相鄰窗之間的距離，這里為512，也就是相鄰窗之間有50%的overlap；n_mels為mel bands的數量，這里設為128。

3.提取MFCC特征

MFCC特征是一種在自動語音識別和說話人識別中廣泛使用的特征。關于MFCC特征的詳細信息，有興趣的可以參考博客http:// blog.csdn.net/zzc15806/article/details/79246716。在librosa中，提取MFCC特征只需要一個函數：

# # 提取MFCC特征# extract mfcc featuremfccs = librosa.feature.mfcc(y=y, sr=sr, n_mfcc=40)print(mfccs)print(mfccs.shape)

關于mfcc，這里就不在贅述。

Librosa還有很多其他音頻特征的提取方法，比如CQT特征、chroma特征等，在第二部分“librosa常用功能”給了詳細的介紹。

4.繪圖顯示

4.1繪制聲音波形

Librosa有顯示聲音波形函數waveplot( )：

# # 繪圖顯示import librosa.displayimport matplotlib.pyplot as pltget_ipython().run_line_magic('matplotlib', 'inline')plt.figure()librosa.display.waveplot(y, sr)plt.title('sample wavform')plt.show()

4.2繪制頻譜圖

Librosa有顯示頻譜圖波形函數specshow( ):

# # 繪制頻譜圖melspec = librosa.feature.melspectrogram(y, sr, n_fft=1024, hop_length=512, n_mels=128)logmelspec = librosa.power_to_db(melspec)plt.figure()librosa.display.specshow(logmelspec, sr=sr, x_axis='time', y_axis='mel')plt.title('sample wavform')plt.show()

將聲音波形和頻譜圖繪制在一張圖表中：

# # 將聲音波形和頻譜圖繪制在一張圖表中：# extract mel spectrogram featuremelspec = librosa.feature.melspectrogram(y, sr, n_fft=1024, hop_length=512, n_mels=128)# convert to log scalelogmelspec = librosa.power_to_db(melspec)plt.figure()# plot a wavformplt.subplot(2, 1, 1)librosa.display.waveplot(y, sr)plt.title('sample wavform')# plot mel spectrogramplt.subplot(2, 1, 2)librosa.display.specshow(logmelspec, sr=sr, x_axis='time', y_axis='mel')plt.title('Mel spectrogram')plt.tight_layout() #保證圖不重疊plt.show()

到這里，librosa的安裝和簡單使用就介紹完了。事實上，librosa遠不止這些功能，關于librosa更多的使用方法還請大家參考librosa官網http://librosa.github.io/librosa/index.html

正文結束！！！

歡迎關注公眾號：Python爬蟲數據分析挖掘，方便及時閱讀最新文章

記錄學習python的點點滴滴；

回復【開源源碼】免費獲取更多開源項目源碼；

公眾號每日更新python知識和【免費】工具；

本文已同步到【開源中國】、【騰訊云社區】、【CSDN】；

總結

以上是生活随笔為你收集整理的python绘画音频_人工智能下的音频还能这样玩！！！！的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。