librosa绘制音频图

最新推荐文章于 2024-01-23 11:33:18 发布
最新推荐文章于 2024-01-23 11:33:18 发布
阅读量2.7k 收藏 10
点赞数 3
分类专栏： 语音 文章标签： python 可视化
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_40703471/article/details/114435562
版权
这篇博客介绍了如何利用librosa库进行音频图的绘制，重点提及了librosa.display.specshow()函数在展示fbank、语谱图和mfcc特征中的应用。
摘要由CSDN通过智能技术生成

librosa绘制音频图

今天偶然发现librosa库可以绘制音频特征相关图，作下记录和总结。

import librosa.display
import numpy as np
import matplotlib.pyplot as plt

#	这里插入提取音频的路径
y, sr = librosa.load(librosa.util.example_audio_file())

# 使用stft频谱求Mel频谱
D
最低0.47元/天 解锁文章
大鱼不做程序猿
关注
专栏目录
librosa:音频和音乐分析
学-> 思->用
07-21 747
文章目录librosa安装分析步骤读取音频提取特征Log-Mel SpectrogramMFCC绘制波形图和梅尔频谱图 librosa 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 安装 pip install librosa 分析步骤 -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
librosa能量_librosa语音信号处理
weixin_33946505的博客
12-28 1511
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且常用的功能。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、ste...
librosa提取音乐音频频谱特征并可视化
热门推荐
MAILLIBIN的专栏
04-29 1万+
准备做一个能够将口头哼唱旋律转换成乐谱音符的应用，首先就需要能够识别出录音中各个时点声音的频率音高，还好有librosa，可以实现音频的功率谱和频率谱、音色谱的提取和可视化。 import librosa import librosa.display import numpy as np y,sr=librosa.load(r"d:\test.wav") print(y.shape) pr...
librosa库的使用一：画出声音信号的波形图
qq_37441285的博客
03-19 3881
import librosa.display import matplotlib.pyplot as plt # 音频文件所在路径 audio_path = 'audio_test/test_raw.wav' # 加载文件为ndarray格式 x, sr = librosa.load(audio_path, sr=None) # sr为音频采样率， 设为None即采用原采样率，不写则默认使用22.05khz采样 # 查看当前音频采样率 print(sr) # 设置画布大小 plt.figure(f
python librosa显示音乐频谱
MAILLIBIN的专栏
05-01 5936
一直想做一个能够将随口哼唱的旋律转换为音符的应用，所以开始实验librosa的各种频谱分析： import librosa.util import numpy as np #要转换的输入wav音频文件 input_wav=r"test0.wav" y,sr=librosa.load(input_wav,sr=None,duration=None) cent = librosa.feat...
librosa.feature.melspectrogram()
weixin_42187536的博客
12-07 7672
计算Mel scaled 频谱 librosa.filters.mel(sr, n_fft, n_mels=128, fmin=0.0, fmax=None, htk=False, norm=1) 创建一个滤波器组矩阵以将FFT合并成Mel频率 参数： sr ：输入信号的采样率 n_fft ：FFT组件数 n_mels ：产生的梅尔带数 fmin ：最低频率（Hz） fmax：最高频率（以Hz为单位）。如果为None，则使用fmax = sr / 2.0 norm：{None，1，np.in
使用librosa展示音乐中多个八度的详细音高时长图谱
datadom的博客
09-07 390
使用librosa展示音乐中多个八度的详细音高时长图谱。示例中使用了7个八度音高范围以及钢琴中间的3个八度录音。
python语音信号时频分析_librosa-madmom:音频和音乐分析
weixin_39916355的博客
11-20 860
读取音频提取特征Log-Mel SpectrogramMFCC绘制波形图和梅尔频谱图prerequisitesinstall起始点检测 onset detection tutoriallibrosaLibrosa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，功能十分强大安装pipinstalllibrosa分析步骤-专业名词：- ...
librosa能量_音频特征（1）：mfcc提取
weixin_39989033的博客
12-28 984
除了调用FFmpeg来做多媒体开发，另一方面，是对音频特征进行研究。有很多具体的音频特征，比如频率、振幅、节拍(bpm)、过零率、短时能量、MFCC等，在很多时候，提取这些特征是进一步分析音频的基础。如果你想对音频进行一个分类，比如分出快慢歌、分出爵士跟hiphop、分出钢琴与吉他、分出男高音与鸟叫声，等等，这时，基本上，你离不开音频特征的提取。在众多的音频特征中，频率与MFCC，是经常用到的两个...
录音并显示声音频谱.rar
08-12
开发语言：C++ 开发工具：VS2008 开发一个软件，可以进行录音并实时显示当前音频的时域和频域信息
利用librosa功率谱判断正弦波的主频以及是否丢点或多点
泉声洗心的专栏
09-10 546
引言 最近工作中，遇到IC验证的问题，其中有测试正弦波的信号通过某些模块后，是否存在主频变化或者丢点或多点的情况。 一般是将待验证的数据抓取到电脑中通过audition软件进行检查，检查频谱图是否有异常。例如下面两张图片，第一张是正常的情况频域比较光滑；第二张是异常的情况频域有变化。 当数据量较少时，使用audition软件检查还是可以接受的，但是当出现大量的测试数据后，一个个打开待检文件都是一个枯燥的事情。所以为了加快检查速度，可以将待测数据直接转成频域图片，这样检查起来就会很轻松。 ...
librosa.feature.melspectrogram() 梅尔频谱图 示例
weixin_44493841的博客
01-21 7977
librosa.feature.melspectrogram() 梅尔频谱图 示例 import librosa y, sr = librosa.load( librosa.ex('nutcracker'), # 音频路径( librosa.ex('nutcracker') 可换成：1.wav ) sr = 18000, # 设置输出采样率，默认是22050 duration = 1 # 截取时长为1秒 ) print(y.shape) # 音频时间序列 (18000,)
开发音频频谱_librosa-madmom:音频和音乐分析
weixin_39893205的博客
01-03 419
读取音频提取特征Log-Mel SpectrogramMFCC绘制波形图和梅尔频谱图prerequisitesinstall起始点检测 onset detection tutoriallibrosaLibrosa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，功能十分强大安装pipinstalllibrosa分析步骤-专业名词：- ...
librosa@soundFile音频读取和绘图@声道@通道@包络
xuchaoxin1375的博客
03-14 1854
当你使用soundfile.read函数来读取一个已存在的音频文件时，你不能指定samplerate（采样率）、channels（声道数）、format（格式）、subtype（子类型）和endian（字节序）这些参数，因为这些参数是从文件本身获取的，除非你读取的是RAW文件。在信号处理和通信中，包络区域通常用于分析和描述信号的动态特性，例如信号的幅度调制或解调、信号的频谱分析等。函数用于计算音频信号的短时傅里叶变换（STFT），它可以将时域信号转换成频域信号，并将信号分成多个窗口进行变换。
C/C++实现librosa音频处理库melspectrogram和mfcc
AI吃大瓜的博客
08-04 4198
本项目使用C/C++实现Python音频处理库librosa中melspectrogram和mfcc的计算,项目将对齐Python音频处理库librosa； Mel频谱图（Mel Spectrogram）和Mel频率倒谱系数（Mel Frequency Cepstrum Coefficient, MFCC） librosa.load：实现语音读取 librosa.feature.melspectrogram：实现计算melspectrogram librosa.feature.mfcc：实现计算MFCC
利用librosa,torchaudio分别实现梅尔语谱图（Mel spectrogram ）音频特征提取的详细过程
最新发布
qq_57540674的博客
01-23 4415
用不同的方式实现音频到梅尔谱的转变，如torchaudio，librosa，直接调用和分步实现，把音频的特征值提取出来，可用于音频分类。
librosa 语音库（三） librosa.feature. 中的 spectrogram 与 melspectrogram
chumingqian的博客
05-17 7424
窗口的长度与 n_fft 需要匹配大小长度； 1. Mel 语谱图的函数定义 librosa.feature.melspectrogram(函数在spectral.py 中，实现过程为： def melspectrogram(y=None, sr=22050, S=None, n_fft=2048, hop_length=512, power=2.0, **kwargs): S, n_fft = _spectrogram(y=y, S=S, n_fft=n_f
python波形图librosa_librosa语音信号处理
weixin_39625468的博客
12-12 2016
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、spectr...
librosa代码
05-29
以下是一个使用librosa库的示例代码，用于加载音频文件、提取MFCC特征、绘制MFCC特征图： ```python import librosa import librosa.display import matplotlib.pyplot as plt # 加载音频文件 audio_file = '...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值