python库声纹_python 处理音频并提取特征可视化

深度学习和机器学习在图像和视觉方面有很多的研究，而且取得了很好的效果，但是在音频处理方面还是比较弱，还有很大的提升空间。图像上有openCV这个强大的库，而在音频方面有哪些比较合适的库呢？这里说的是python支持的库，因为本人接触的主要还是python。所以今天就介绍一下python处理音频的库。

进入正题：Python有一些很棒的音频处理库，比如Librosa和PyAudio，今天着重学习一下librosa库，这个库的安装非常简单，和其它库安装一样，直接pip install librosa就行了。以下代码在jupyter notebook中完成。

In[1]:

import librosa as lr

audio_path = "./data/js.wav"

x, sr = lr.load(audio_path) #sr-sample rate采样率

print(type(x),type(sr))

print(x.shape,sr)

Out[2]:

(127200,) 22050

#这会将音频时间序列作为numpy数组返回，默认采样率sr为22KHZ mono我们可以通过以下方式更改：

lr.load(audio_path, sr = 44100)

#以44.1KHZ重新采样，或者禁重新采样。采样率是每秒传输的音频样本数。

lr.load(audio_path, sr=None)

Out[3]:

(array([-3.0517578e-04, -2.7465820e-04, -3.6621094e-04, ...,

-1.2207031e-04, -9.1552734e-05, -9.1552734e-05], dtype=float32), 44100)

In [4]:

#使用Ipython.display.Audio播放音频

import IPython.display as ipd

ipd.Audio(audio_path)

可视化音频：

可视化音频的目的主要让你更直观的理解音频特征

In [5]:

#波形：我们可以绘制音频数组librosa.display.waveplot:

%matplotlib inline

import matplotlib.pyplot as plt

import librosa.display

plt.figure(figsize = (14,5))

librosa.display.waveplot(x, sr = sr)

In[8]

#谱图：谱图是通过视觉表示频谱的频率，声音或其它信号，因为它随时间变化。频谱图有时被称为声纹或语音图。当数据在3D中表示时，它们可以称为waterfalls。

#在二维阵列中，第一轴是频率，第二轴是时间。我们可以使用显示频谱图：librosa.display.specshow:

X = librosa.stft(x) #对信号进行短时傅里叶变换

Xdb = librosa.amplitude_to_db(abs(X))

plt.figure(figsize=(14,5))

librosa.display.specshow(Xdb, sr=sr, x_axis="time", y_axis="hz")

plt.colorbar()

In[9]

#从轴表示频率(从0到10kHZ)，横轴表示剪辑的时间，由于我们看到的所有动作都发生在频谱的底部，我们可以将频谱轴转换为对数轴。

plt.figure(figsize=(14,5))

librosa.display.specshow(Xdb, sr=sr, x_axis="time