librosa.effects.split

• librosa.core.load

librosa.core.load(path, sr=22050, mono=True, offset=0.0, duration=None)

返回值：
y：np.ndarray [shape =（n，）或（2，n）] 音频时间序列
sr：number> 0 [标量] y的采样率

 y, sr = librosa(filename, sr)

• librosa.effects.split

librosa.effects.split(y, top_db=60, ref=<function amax at 0x7fcba2eb3d90>, frame_length=2048, hop_length=512)
将音频信号分成非静音间隔。

参数：
y：np.ndarray，shape =（n，）或（2，n）音频信号
top_db：数字> 0 低于参考值的阈值（以分贝为单位）被视为静音
ref：参考功率。 默认情况下，它使用np.max并与信号中的峰值功率进行比较。

frame_length：int> 0 每帧的样本数

hop_length：int> 0 帧之间的样本数

返回值：
间隔：np.ndarray，shape =（m，2）
interval [i] ==（start_i，end_i）是非静音间隔i的开始和结束时间（以样本为单位）。

intervals = librosa.effects.split(utter, top_db=20) 

• librosa.core.stft

librosa.core.stft(y, n_fft=2048, hop_length=None, win_length=None, window=‘hann’, center=True, pad_mode=‘reflect’)

y：np.ndarray [shape =（n，）]，实值. 输入信号
n_fft：int> 0 [标量] 用零填充后窗口信号的长度。默认值n_fft = 2048
在语音处理中，推荐值为512
hop_length：int> 0 [标量] 相邻STFT列之间的音频样本数。默认为win_length / 4。
win_length：int <= n_fft [标量] 音频的每个帧都由长度为win_length的window（）进行窗口化，然后用零填充以匹配n_fft。默认为win_length = n_fft。
window：窗口函数长度为n_fft的向量或数组, 默认 hann窗

返回值：
D：np.ndarray [shape =（1 + n_fft / 2，n_frames），dtype = dtype]
短期傅立叶变换系数的复值矩阵。