人工智能音頻處理庫—librosa（安裝與使用）html
序言python
1、libsora安裝nginx
pypigit
condagithub
sourceweb
2、librosa經常使用功能數組
核心音頻處理函數bash
音頻處理微信
頻譜表示app
幅度轉換
時頻轉換
特徵提取
繪圖顯示
3、經常使用功能代碼實現
讀取音頻
提取特徵
提取Log-Mel Spectrogram 特徵
提取MFCC特徵
繪圖顯示
繪製聲音波形
繪製頻譜圖
序言
Librosa是一個用於音頻、音樂分析、處理的python工具包，一些常見的時頻處理、特徵提取、繪製聲音圖形等功能應有盡有，功能十分強大。本文主要介紹librosa的安裝與使用方法。
1、libsora安裝
Librosa官網提供了多種安裝方法，詳細以下：
pypi
最簡單的方法就是進行pip安裝，能夠知足全部的依賴關係，命令以下：
pip install librosa
conda
若是安裝了Anaconda，能夠經過conda命令安裝：
conda install -c conda-forge librosa
source
直接使用源碼安裝，須要提早下載源碼（https://github.com/librosa/librosa/releases/），經過下面命令安裝：
tar xzf librosa-VERSION.tar.gzcd librosa-VERSION/python setup.py install
2、librosa經常使用功能
核心音頻處理函數
這部分介紹了最經常使用的音頻處理函數，包括音頻讀取函數load( )，重採樣函數resample( )，短時傅里葉變換stft( )，幅度轉換函數amplitude_to_db( )以及頻率轉換函數hz_to_mel( )等。這部分函數不少，詳細可參考librosa官網 http://librosa.github.io/ librosa/core.html
音頻處理
頻譜表示
幅度轉換
時頻轉換
特徵提取
本部分列舉了一些經常使用的頻譜特徵的提取方法，包括常見的Mel Spectrogram、MFCC、CQT等。函數詳細信息可參考http:// librosa.github.io/librosa/feature.html
繪圖顯示
包含了經常使用的頻譜顯示函數specshow( ), 波形顯示函數waveplot( )，詳細信息請參考http://librosa.github.io/librosa/display. html
3、經常使用功能代碼實現
1.讀取音頻
# # 2020-11-9# # 李運辰#導入庫import librosa# # 讀取音頻# Load a wav filey, sr = librosa.load('./sample.wav')print(y)#Librosa默認的採樣率是22050，若是須要讀取原始採樣率，須要設定參數sr=None:print(sr)y, sr = librosa.load('./sample.wav',sr=None)#可見，'beat.wav'的原始採樣率爲16000。若是須要重採樣，只須要將採樣率參數sr設定爲你須要的值：print(sr)
y, sr = librosa.load('./sample.wav',sr=18000)print(sr)
2.提取特徵
提取Log-Mel Spectrogram 特徵
Log-Mel Spectrogram特徵是目前在語音識別和環境聲音識別中很經常使用的一個特徵，因爲CNN在處理圖像上展示了強大的能力，使得音頻信號的頻譜圖特徵的使用越發普遍，甚至比MFCC使用的更多。在librosa中，Log-Mel Spectrogram特徵的提取只需幾行代碼：
# # 提取特徵# Load a wav filey, sr = librosa.load('./sample.wav', sr=None)# extract mel spectrogram featuremelspec = librosa.feature.melspectrogram(y, sr, n_fft=1024, hop_length=512, n_mels=128)# convert to log scalelogmelspec = librosa.power_to_db(melspec)print(logmelspec.shape)
可見，Log-Mel Spectrogram特徵是二維數組的形式，128表示Mel頻率的維度（頻域），100爲時間幀長度（時域），因此Log-Mel Spectrogram特徵是音頻信號的時頻表示特徵。其中，n_fft指的是窗的大小，這裏爲1024；hop_length表示相鄰窗之間的距離，這裏爲512，也就是相鄰窗之間有50%的overlap；n_mels爲mel bands的數量，這裏設爲128。
3.提取MFCC特徵
MFCC特徵是一種在自動語音識別和說話人識別中普遍使用的特徵。關於MFCC特徵的詳細信息，有興趣的能夠參考博客http:// blog.csdn.net/zzc15806/article/details/79246716。在librosa中，提取MFCC特徵只須要一個函數：
# # 提取MFCC特徵# extract mfcc featuremfccs = librosa.feature.mfcc(y=y, sr=sr, n_mfcc=40)print(mfccs)print(mfccs.shape)
關於mfcc，這裏就不在贅述。
Librosa還有不少其餘音頻特徵的提取方法，好比CQT特徵、chroma特徵等，在第二部分「librosa經常使用功能」給了詳細的介紹。
4.繪圖顯示
4.1繪製聲音波形
Librosa有顯示聲音波形函數waveplot( )：
# # 繪圖顯示import librosa.displayimport matplotlib.pyplot as pltget_ipython().run_line_magic('matplotlib', 'inline')plt.figure()librosa.display.waveplot(y, sr)plt.title('sample wavform')plt.show()
4.2繪製頻譜圖
Librosa有顯示頻譜圖波形函數specshow( ):
# # 繪製頻譜圖melspec = librosa.feature.melspectrogram(y, sr, n_fft=1024, hop_length=512, n_mels=128)logmelspec = librosa.power_to_db(melspec)plt.figure()librosa.display.specshow(logmelspec, sr=sr, x_axis='time', y_axis='mel')plt.title('sample wavform')plt.show()
將聲音波形和頻譜圖繪製在一張圖表中：
# # 將聲音波形和頻譜圖繪製在一張圖表中：# extract mel spectrogram featuremelspec = librosa.feature.melspectrogram(y, sr, n_fft=1024, hop_length=512, n_mels=128)# convert to log scalelogmelspec = librosa.power_to_db(melspec)plt.figure()# plot a wavformplt.subplot(2, 1, 1)librosa.display.waveplot(y, sr)plt.title('sample wavform')# plot mel spectrogramplt.subplot(2, 1, 2)librosa.display.specshow(logmelspec, sr=sr, x_axis='time', y_axis='mel')plt.title('Mel spectrogram')plt.tight_layout() #保證圖不重疊plt.show()
到這裏，librosa的安裝和簡單使用就介紹完了。事實上，librosa遠不止這些功能，關於librosa更多的使用方法還請你們參考librosa官網http://librosa.github.io/librosa/index.html
正文結束！！！
歡迎關注公衆號：Python爬蟲數據分析挖掘，方便及時閱讀最新文章
記錄學習python的點點滴滴；
回覆【開源源碼】免費獲取更多開源項目源碼；
公衆號每日更新python知識和【免費】工具；
本文已同步到【開源中國】、【騰訊雲社區】、【CSDN】；
本文分享自微信公衆號 - Python爬蟲數據分析挖掘（zyzx3344）。
若有侵權，請聯繫 support@oschina.cn 刪除。
本文參與「OSC源創計劃」，歡迎正在閱讀的你也加入，一塊兒分享。