librosa是一个非常强大的python语音信号处理的第三方库，本文参考的是librosa的官方文档，本文主要总结了一些重要，对我来说非常常用的功能。学会librosa后再也不用python去实现那些复杂的算法了，只需要一句语句就能轻松实现。
先总结一下本文中常用的专业名词：sr：采样率、hop_length：帧移、overlapping：连续帧之间的重叠部分、n_fft：窗口大小、spectrum：频谱、spectrogram：频谱图或叫做语谱图、amplitude：振幅、mono：单声道、stereo：立体声
时域
读取音频
librosa.load(path, sr=22050, mono=True, offset=0.0, duration=None)
读取音频文件。默认采样率是22050，如果要保留音频的原始采样率，使用sr = None。
参数：
- path ：音频文件的路径。
- sr ：采样率，如果为“None”使用音频自身的采样率
- mono ：bool，是否将信号转换为单声道
- offset ：float，在此时间之后开始阅读（以秒为单位）
- 持续时间：float，仅加载这么多的音频（以秒为单位）
返回：
- y ：音频时间序列
- sr ：音频的采样率
重采样
librosa.resample(y, orig_sr, target_sr, fix=True, scale=False)
重新采样从orig_sr到target_sr的时间序列
参数：
- y ：音频时间序列。可以是单声道或立体声。
- orig_sr ：y的原始采样率
- target_sr ：目标采样率
- fix：bool，调整重采样信号的长度，使其大小恰好为\(\frac{len(y)}{orig\_sr}*target\_sr =t*target\_sr\)
- scale：bool，缩放重新采样的信号，以使y和y_hat具有大约相等的总能量。
返回：
- y_hat ：重采样之后的音频数组
读取时长
librosa.get_duration(y=None, sr=22050, S=None, n_fft=2048, hop_length=512, center=True, filename=None)
计算时间序列的的持续时间（以秒为单位）
参数：
- y ：音频时间序列
- sr ：y的音频采样率
- S ：STFT矩阵或任何STFT衍生的矩阵（例如，色谱图或梅尔频谱图）。根据频谱图输入计算的持续时间仅在达到帧分辨率之前才是准确的。如果需要高精度，则最好直接使用音频时间序列。
- n_fft ：S的 FFT窗口大小
- hop_length ：S列之间的音频样本数
- center ：布尔值
- 如果为True，则S [:, t]的中心为y [t * hop_length]
- 如果为False，则S [:, t]从y[t * hop_length]开始
- filename ：如果提供，则所有其他参数都将被忽略，并且持续时间是直接从音频文件中计算得出的。
返回：
- d ：持续时间（以秒为单位）