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)