人工智能下的音频还能这样玩！！！！ _音频

登山则情满于山，观海则意溢于海。这篇文章主要讲述人工智能下的音频还能这样玩！！！！相关的知识，希望能为你提供帮助。
人工智能音频处理库—librosa（安装与使用）
序言一、libsora安装pypi
conda
source
二、librosa常用功能核心音频处理函数
音频处理
频谱表示
幅度转换
时频转换
特征提取
绘图显示
三、常用功能代码实现读取音频
提取特征
提取Log-Mel Spectrogram 特征
提取MFCC特征
绘图显示
绘制声音波形
绘制频谱图
序言Librosa是一个用于音频、音乐分析、处理的python工具包，一些常见的时频处理、特征提取、绘制声音图形等功能应有尽有，功能十分强大。本文主要介绍librosa的安装与使用方法。
一、libsora安装Librosa官网提供了多种安装方法，详细如下：
pypi最简单的方法就是进行pip安装，可以满足所有的依赖关系，命令如下：

pip install librosa

conda如果安装了Anaconda，可以通过conda命令安装：

conda install -c conda-forge librosa

source直接使用源码安装，需要提前下载源码（https://github.com/librosa/librosa/releases/），通过下面命令安装：

tar xzf librosa-VERSION.tar.gz cd librosa-VERSION/ python setup.py install

二、librosa常用功能核心音频处理函数这部分介绍了最常用的音频处理函数，包括音频读取函数load( )，重采样函数resample( )，短时傅里叶变换stft( )，幅度转换函数amplitude_to_db( )以及频率转换函数hz_to_mel( )等。这部分函数很多，详细可参考librosa官网 http://librosa.github.io/ librosa/core.html
音频处理

文章图片

频谱表示

文章图片

幅度转换

文章图片

时频转换

文章图片

特征提取本部分列举了一些常用的频谱特征的提取方法，包括常见的Mel Spectrogram、MFCC、CQT等。函数详细信息可参考http:// librosa.github.io/librosa/feature.html

文章图片

绘图显示包含了常用的频谱显示函数specshow( ), 波形显示函数waveplot( )，详细信息请参考http://librosa.github.io/librosa/display. html

文章图片

三、常用功能代码实现 1.读取音频

#导入库 import librosa # # 读取音频 # Load a wav file y, sr = librosa.load(\'./sample.wav\') print(y) #Librosa默认的采样率是22050，如果需要读取原始采样率，需要设定参数sr=None: print(sr) y, sr = librosa.load(\'./sample.wav\',sr=None) #可见，\'beat.wav\'的原始采样率为16000。如果需要重采样，只需要将采样率参数sr设定为你需要的值： print(sr)y, sr = librosa.load(\'./sample.wav\',sr=18000) print(sr)

文章图片

2.提取特征提取Log-Mel Spectrogram 特征
Log-Mel Spectrogram特征是目前在语音识别和环境声音识别中很常用的一个特征，由于CNN在处理图像上展现了强大的能力，使得音频信号的频谱图特征的使用愈加广泛，甚至比MFCC使用的更多。在librosa中，Log-Mel Spectrogram特征的提取只需几行代码：

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

文章图片

可见，Log-Mel Spectrogram特征是二维数组的形式，128表示Mel频率的维度（频域），100为时间帧长度（时域），所以Log-Mel Spectrogram特征是音频信号的时频表示特征。其中，n_fft指的是窗的大小，这里为1024；hop_length表示相邻窗之间的距离，这里为512，也就是相邻窗之间有50%的overlap；n_mels为mel bands的数量，这里设为128。
3.提取MFCC特征
MFCC特征是一种在自动语音识别和说话人识别中广泛使用的特征。关于MFCC特征的详细信息，有兴趣的可以参考博客http:// blog.csdn.net/zzc15806/article/details/79246716。在librosa中，提取MFCC特征只需要一个函数：

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

文章图片

关于mfcc，这里就不在赘述。
Librosa还有很多其他音频特征的提取方法，比如CQT特征、chroma特征等，在第二部分“librosa常用功能”给了详细的介绍。
4.绘图显示 4.1绘制声音波形
Librosa有显示声音波形函数waveplot( )：

# # 绘图显示 import librosa.display import matplotlib.pyplot as plt get_ipython().run_line_magic(\'matplotlib\', \'inline\') plt.figure() librosa.display.waveplot(y, sr) plt.title(\'sample wavform\') plt.show()

文章图片

4.2绘制频谱图
Librosa有显示频谱图波形函数specshow( ):

# # 绘制频谱图 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()

文章图片

将声音波形和频谱图绘制在一张图表中：

# # 将声音波形和频谱图绘制在一张图表中： # extract mel spectrogram feature melspec = librosa.feature.melspectrogram(y, sr, n_fft=1024, hop_length=512, n_mels=128) # convert to log scale logmelspec = librosa.power_to_db(melspec) plt.figure() # plot a wavform plt.subplot(2, 1, 1) librosa.display.waveplot(y, sr) plt.title(\'sample wavform\') # plot mel spectrogram plt.subplot(2, 1, 2) librosa.display.specshow(logmelspec, sr=sr, x_axis=\'time\', y_axis=\'mel\') plt.title(\'Mel spectrogram\') plt.tight_layout() #保证图不重叠 plt.show()