人工智能下的音频还能这样玩！！！！
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：
conda
如果安装了 Anaconda，可以通过 conda 命令安装：
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：
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
频谱表示
幅度转换
时频转换
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
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
三、常用功能代码实现
1.读取音频
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：
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：
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( )：
4.2 绘制频谱图
Librosa 有显示频谱图波形函数 specshow( ):
将声音波形和频谱图绘制在一张图表中：
到这里，librosa 的安装和简单使用就介绍完了。事实上，librosa 远不止这些功能，关于 librosa 更多的使用方法还请大家参考 librosa 官网
http://librosa.github.io/librosa/index.html
正文结束！！！
版权声明: 本文为 InfoQ 作者【Python研究者】的原创文章。
原文链接:【http://xie.infoq.cn/article/04502dcb1a9bfe8749899ef9a】。文章转载请联系作者。
个人公众号：Python研究者 2021.04.26 加入
教你如何学Python，专注于Python入门与进阶、爬虫、数据分析挖掘、数据可视化。分享Python相关的技术文章、工具资源、视频教程、学习资料。
评论