天池--零基础入门语音识别之食物声音识别--task02

Python 音频信号处理库 librosa–入门

1，音频处理

filename = librosa.example('nutcracker')

• 获取librosa随附的音频示例文件的路径。在此步骤之后， filename将是一个字符串变量，其中包含示例音频文件的路径。
  

y, sr = librosa.load(filename)

• librosa.load()
  • 以时间序列的 y形式加载和解码音频，以一维NumPy浮点数组表示y。
  • 可变SR包含采样速率的 y，即，每秒音频的样本的数目。默认情况下，所有音频在加载时混合为单声道并重新采样为22050 Hz。可以通过向提供其他参数来覆盖此行为,
  • 从文件加载音频数据，貌似没有格式限制，而且可以通过参数设置是否保留双声道，采样率，重采样类型。

import matplotlib.pyplot as plt
import librosa.display
plt.figure(figsize=(14, 5))
librosa.display.waveplot(y,sr=sr)

• 查看波形幅度包络图
  

import numpy as np
plt.figure(figsize=(20, 10))
D = librosa.amplitude_to_db(np.abs(librosa.stft(y)), ref=np.max)
plt.subplot(4, 2, 1)
librosa.display.specshow(D, y_axis='linear')
plt.colorbar(format='%+2.0f dB')

• 查看声谱图

  • 声谱图（spectrogram）是声音或其他信号的频率随时间变化时的频谱（spectrum）的一种直观表示。声谱图有时也称sonographs,voiceprints,或者voicegrams。当数据以三维图形表示时，可称其为瀑布图（waterfalls）。在二维数组中，第一个轴是频率，第二个轴是时间。我们使用librosa.display.specshow来显示声谱图。

参考资料:
librosa教程https://librosa.org/doc/latest/tutorial.html