如何在bins_per_octave不是12的情况下在librosa中计算和可视化CQT？
在librosa中计算和可视化CQT（Constant-Q Transform）时，可以通过设置参数bins_per_octave来调整频率分辨率。CQT是一种基于频率的变换，它将音频信号转换为在不同频率上的能量分布。
默认情况下，bins_per_octave的值为12，即每个八度内分为12个频率间隔。但是，如果需要在bins_per_octave不是12的情况下进行计算和可视化CQT，可以按照以下步骤进行操作：
- 导入所需的库和模块：
import librosa
import librosa.display
import matplotlib.pyplot as plt- 加载音频文件：
audio_path = 'path_to_audio_file.wav'
y, sr = librosa.load(audio_path)- 计算CQT：
n_bins = 60 # 设置频率分辨率，这里假设为60
C = librosa.cqt(y, sr=sr, bins_per_octave=n_bins)- 可视化CQT：
plt.figure(figsize=(10, 4))
librosa.display.specshow(librosa.amplitude_to_db(C, ref=np.max), sr=sr, x_axis='time', y_axis='cqt_note', bins_per_octave=n_bins)
plt.colorbar(format='%+2.0f dB')
plt.title('CQT Spectrogram')
plt.show()在上述代码中，n_bins表示所需的频率分辨率，可以根据实际需求进行调整。librosa.cqt函数用于计算CQT，librosa.display.specshow函数用于可视化CQT。librosa.amplitude_to_db函数用于将能量转换为分贝单位，以便更好地显示。
关于CQT的概念，它是一种基于频率的变换，类似于傅里叶变换，但在频率轴上的分辨率更加均匀。CQT在音频处理中广泛应用于音乐分析、音乐合成、音频特征提取等领域。
腾讯云相关产品和产品介绍链接地址：
相关·内容
更改bins_per_octave参数时，如果增大bins_per_octave，y轴上的比例会发生变化，并且绘图会向上移动。如何调整y轴以查看完整的绘图？ y, sr = librosa.load("CScale.wav") #sr = 22050
y_16k = librosa.resample(y,sr,16000)
print(y.shape) #(1422336,)
print(y_8k.shape) #(516041,)
C = np.abs(librosa.cqt(y, sr=sr,bins_per_octave=12))
C_16k = np.abs(libr
浏览 27提问于2019-01-11得票数 1
我正在做一个具有深度学习模式的自动音乐识别项目。在我的数据预处理中，我试图使用Python的Librosa库计算88键钢琴音频的常数Q变换。但是，我不明白我应该在Librosa的fmin方法中将n_bins、n_bins和bins_per_octave设置为什么来做到这一点。具体地说：
垃圾桶到底是什么？垃圾桶的上下边界是否与连续两个音符的频率相对应？换句话说，因为一架88键的钢琴有7个八度音阶，每个音阶都有12个独特的音符，我应该设置n_bins = 7 * 12 = 84还是等效的bins_per_octave = 7？还是几个回收箱应该对应于一个音符间隔？
fmin应该是88键钢
浏览 4提问于2020-12-07得票数 2
回答已采纳
在JetsonTK1上运行一些大型矩阵操作(chroma、cqt、mfcc提取)时，我获得了MemoryError，其中numpy (1.81)、cqt (0.17.0)、librosa (0.4.2)具有~2 GB Ram和一个16 GB交换文件。
任何帮助都是非常感谢的！
错误消息
Traceback (most recent call last):
File "./analyze_structure.py", line 480, in <module>
args.cutoff, args.order, args.sr, args.featu
浏览 10提问于2016-05-04得票数 3
背景
在视频的开头，这首歌全速播放。当你放慢节奏时，你就能听到歌曲所使用的所有独特的声音。其中有些听起来会重复。
问题描述
我想要做的是创建一个像下面这样的视觉，为每个独特的声音创建一个水平的音轨/行，在这个音轨上有一个颜色块，对应于正在播放的歌曲中的每一个时间框架。音轨/行应按照声音与每个音的相似程度进行排序，更多相似的声音更接近于一起。如果声音是如此相同，人类无法区分它们，那么它们就应该被认为是同一种声音。
如果不完美的解决方案能满足我的要求，我会接受的
观看上面链接的视频，以获得我所说的视频描述。它包括我手动创建的可视化网格，它几乎与我试图生成的网
浏览 8提问于2020-12-11得票数 10
2回答
测频谱图阵列
、、、、
我需要一个记录频率的谱图。我目前正在使用scipy.signal.stft函数来获得一个震级数组。但是输出频率是线性间隔的。
import librosa
import scipy
sample, samplerate = librosa.load('sound.wav', sr=64000)
f, t, Zxx = scipysignal.stft(sample, fs=samplerate, window='hamming', nperseg=512, noverlap=256)
我基本上需要f的日志间隔从1Hz到32 1Hz(因为我的声音有一个64千赫的
浏览 7提问于2022-08-16得票数 0
考虑以下代码
import numpy as np
import matplotlib.pyplot as plt
from librosa import cqt
s = np.linspace(0,1,44100)
x = np.sin(2*np.pi*1000*s)
fmin=500
cq_lib = cqt(x,sr=44100, fmin=fmin, n_bins=40)
plt.imshow(abs(cq_lib),aspect='auto', origin='lower')
plt.xlabel('Time Steps')
pl
浏览 1提问于2019-08-17得票数 5
回答已采纳
我使用这段代码来可视化melspectogram并保存图像 spec = librosa.feature.melspectrogram(y=y,sr=sr,n_mels=128 )
plt.figure(figsize=(12, 6))
spec = librosa.amplitude_to_db(spec, ref=np.max)
librosa.display.specshow(spec, sr=sr, y_coords=None,y_axis='log',fmax=20000)
plt.savefig('spectogram.png') ? 我无
浏览 78提问于2020-07-11得票数 1
回答已采纳
1回答
我使用Kaldi的“egs/十位数”代码生成了一个“七”字的声谱图，使用23个回收箱，20 the采样率，25毫秒窗口和10毫秒移位。谱图如下所示，通过MATLAB图像c函数可视化：
我正在试验使用Librosa代替Kaldi。我使用相同数量的回收箱、采样率和窗口长度/移位设置代码如下。
time_series, sample_rate = librosa.core.load("7a.wav",sr=20000)
spectrogram = librosa.feature.melspectrogram(time_series, sr=20000, n_mels=23,
浏览 3提问于2017-04-05得票数 3
回答已采纳
1回答
如何有效地计算对数频率谱图？
、、、、
我试图用matplotlib绘制一个谱图，其中的频率是对数间隔的，这样我就可以可视化音乐/钢琴音符。从我在网上的发现来看，这是“最好的方法”：
data, samplerate = librosa.load("demo.wav")
S = np.abs(librosa.stft(data))
S = librosa.amplitude_to_db(S, ref=np.max)
fig, ax = plt.subplots()
img = librosa.display.specshow(S, y_axis='log', x_axis='time&
浏览 1提问于2022-01-10得票数 0
1回答
Librosa谱图参数
、、、
我想使用Librosa库来创建光谱图。我想使用librosa.core.stft函数进行语音处理。他们建议在我的情况下使用值为512的参数n_fft。
我想知道的是，我应该为其他参数使用什么值才能获得最佳结果？我的意思是像hop_length和window_length这样的参数？
浏览 12提问于2020-03-12得票数 0
我正在尝试设置这个吉他标签转写器，但遇到了一个路径没有定义的问题。正如您在代码中看到的，我尝试将路径设置为r'C:\Users\Bruger\Desktop\GuitarSet\audio\audio_hex-pickup_original'等。我没有太多的编程经验，只是简单地看了一下在线教程，但我真的很想知道这里到底出了什么问题。提前感谢 path = r'C:\Users\Bruger\Desktop\GuitarSet\audio\audio_hex-pickup_original'
audio_file = os.listdir(path)
浏览 35提问于2020-06-23得票数 0
回答已采纳
我在python中使用一个azure函数，它使用librosa来可视化一些音频数据。在我的vscode窗口框上，它在本地工作得很好。命令行中的远程生成
func azure functionapp publish functionappname --build remote
成功，但当客户端向其发布数据时，它将失败
OSError: sndfile library not found
File "/home/site/wwwroot/VisualizeDemo/__init__.py", line 20, in <module> import librosa
F
浏览 6提问于2020-11-14得票数 0
回答已采纳
如何使用通用代码提取缩放的MFCC数据：
def extract_features(file_name)：
try:
audio, sample_rate = librosa.load(file_name, res_type='kaiser_fast')
mfccs = librosa.feature.mfcc(y=audio, sr=sample_rate, n_mfcc=40)
mfccsscaled = np.mean(mfccs.T,axis=0)
except Exception as e:
print("Error
浏览 6提问于2020-12-05得票数 1
回答已采纳
我决定使用来分析音乐信号并提取所需的特征。目前，我正在尝试可视化整个时间的音乐频谱。我在库中找到了这个执行短时傅立叶变换并返回光谱的。但其中一个返回矩阵，其中为特定帧计算频谱，而不是所有时间。
有没有可能使用这个库来计算整个时间的频谱，或者以某种方式处理给定的矩阵，或者在librosa中有一个特殊的方法来实现这一目的？
如果没有--你能推荐另一个图书馆吗？
提前谢谢你。
浏览 1提问于2017-10-09得票数 1
我需要在网格单元格上添加一个工具提示，但是这个工具提示必须允许用户在工具提示中选择文本。我像这样使用QuickTip。
ColumnConfig<ClientModel, String> clmName = new ColumnConfig<ClientModel, String>
(dpGridModel.name(), 150, "Name");
clmName.setCell(new TextCell() {
@Override
public void render(Context context, String v
浏览 2提问于2014-10-29得票数 1
回答已采纳
2回答
我有两个数据帧: LF和HF
head(LF)
Year SS SS_CQT SRP SRP_CQT TDP TDP_CQT TP TP_CQT
1 2009 386.18 1164.3966 4586 12.30089 5285 14.23955 6707 18.17906
2 2010 268.72 884.9963 4354 13.37728 4927 15.20045 6078 18.81523
3 2011 347.61 746.7686 6924 12.25466 7917 13.84788 9302 16.93291
4 2012 170.68
浏览 2提问于2018-05-19得票数 1
回答已采纳
这都是在Jupyter Notebook online上写的。应该发生的事情是，代码的第一行是一个命令，该命令将标记为“mp4”的文件夹中的某些文件转换为capstone。这工作得很好，但是我遇到的问题是一个"FileNotFoundError"，我不确定为什么会发生这种情况，当我检查文件是否在那里时，它实际上就在那里。 !ffmpeg -i recording1.mov -q:v 0 output.mp4
import librosa
audio_path = '/home/gentry/capstone/output1.mp4'
x , sr = lib
浏览 131提问于2020-04-06得票数 1
回答已采纳
1回答
我在使用librosa为深度学习的文件夹和子文件夹中包含的WAV文件可视化mel谱图时遇到了一些问题。 import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from glob import glob
import librosa as lr
import librosa.display
import IPython.display as ipd
pathAudio = 'Sounds'
files = librosa.util.find_files(pathAudio, ext=[&#
浏览 20提问于2020-10-31得票数 0
我正在从事一个音频项目，其中我使用Librosa，并从一个在线示例中获得以下代码。我希望能够将构成图形的坐标存储在一个数组中，而不是打开一个包含振幅与时间关系图的图像。我在stackoverflow和其他网站上尝试了很多不同的例子，但都没有成功。我是python的新手，这是我关于stackoverflow的第一个问题，所以请善待我。 import librosa.display
import matplotlib.pyplot as plt
from IPython.display import display, Audio
filename = 'queen2.mp3'
s
浏览 29提问于2020-07-09得票数 1
2回答
我正试图建立一个机器学习模型来识别简单的语音命令，如上、下、左等。
在基于图像的类似问题上，我只需拍照并给它指定一个标签。
我可以生成特征并使用librosa可视化它们。我听说CNN在这个任务上很棒。因此，我想知道如何为这样的基于音频的系统收集培训数据，因为考虑到我的命令只有几毫秒长，我无法记录整个片段(而且在预测的同时，也只能记录几毫秒)。
我的第一个想法是每隔几毫秒就生成一个映像(使用matplotlib和librosa.features)，只需使用我所说的命令作为正标签(以及其他负面标签)的映像，但是这看起来很乏味，而且可能有更好的方法。
是否有一个有效的方法来做到这一点？
浏览 0提问于2019-07-30得票数 2
我正试图把音频分割成有和没有人声的片段。我已经开始使用来自的方法，它做得很好。我唯一的问题是确定沉默的最佳门槛。
这个方法有一个参数top_db (分贝)，它认为它下面的一切都是沉默。目前，我使用的硬编码值为40 dB。对于一些音频，它的工作很好，但对另一些不太好。
有什么方法可以找到每个音频信号的最佳top_db阈值吗？可能考虑信号的幅度或平均dB。或者在处理之前对音频的波幅进行规范化，这样一个给定的top_db就可以在大多数音频中表现良好。
到目前为止，我有以下代码：
import librosa
import numpy as np
from pydub import AudioSeg
浏览 10提问于2021-12-10得票数 0
2回答
我希望这是个合适的问题。
我使用绘制声音文件的波形。我发现很难提取数据点。在下面这个输出的x(时间)= 0.15处，y的值是多少？我无法在Librosa的文档中看到这一点，所以我想知道是否可以这样做。
以下是基于Librosa文档的代码：
import librosa
import librosa.display
import matplotlib.pyplot as plt
y, sr = librosa.load('audio.wav')
bpm, beat_frames = librosa.beat.beat_track(y=y, sr=sr)
plt.figure()
浏览 3提问于2022-01-16得票数 1
1回答
有没有办法在dB中用librosa直接加载音频文件，而不是通过以下方式获得振幅：
y, sr = librosa.load(filename, sr=None)
浏览 2提问于2017-09-13得票数 1
1回答
对MFCC处理感到困惑
、、、、
因此，我使用python中的Librosa库，通过MFCC提取了一个音频文件特征。代码如下所示： signal, sample_rate = librosa.load('../audio_train/down/00176480_nohash_0.wav', sr=22050)
mfcc = librosa.feature.mfcc(signal, sr=sample_rate, n_mfcc=13)
np.mean(mfcc.T, axis=0) 我的问题是，为什么我们必须转置并获得MFCC的平均值？
浏览 30提问于2021-08-21得票数 0
回答已采纳
我有一个包含多个wav文件的文件夹(目前是4个)。我想在一行中绘制wav，它的mfcc和mel频谱图，所以最后是一个有12个图形的图形(每行有3个图形，因此是4行)。我无法绘制图表，只能提取特征。有人可以帮助这个for循环吗？我的意思是如何使用subplot命令以及如何在循环中存储每个图形。 问候 path=glob.glob('the path having four wav files/*.wav')
for p in path:
y, sr = librosa.load(p, sr=16000)
mfcc=librosa.feature.mfcc(y)
浏览 129提问于2021-08-16得票数 0
回答已采纳
我目前正在试验librosa，以重现一种科学方法(深度学习)，该方法使用PRAAT来提取音频文件的MFCC。我在语音学/声学方面并不是很有经验，而且我在理解PRAAT时遇到了很多问题--所以我开始使用librosa，它的API对我来说更“易用”。
论文的作者在MFCC计算中使用了Hamming窗口，我试图在mfcc的函数调用中提供该函数作为附加参数，或者作为**kwargs的一部分作为字典：
import os
from scipy.signal import get_window
from librosa import load, get_duration
from librosa.feat
浏览 39提问于2019-11-13得票数 5
1回答
了解mfcc的输出
、、、、
from librosa.feature import mfcc
from librosa.core import load
def extract_mfcc(sound):
data, frame = load(sound)
return mfcc(data, frame)
mfcc = extract_mfcc("sound.wav")
我想得到以下sound.wav文件的MFCC，它是48秒长的。
我知道data * frame = length of audio.
但是，当我像上面所示计算MFCC并得到它的形状时，结果是：(20, 2086)
这些
浏览 2提问于2018-09-08得票数 10
回答已采纳
1回答
我在处理xts对象列表时遇到了问题。在列表元素上运行lapply时，我得到了不同和奇怪的行为，有时程序会出现分段错误。我在Ubuntu 9.10上运行的是R 2.12.2，但在Windows XP上运行2.13.1也遇到了类似的问题。
我正在尝试将包含季度财务数据的数据帧拆分成多个时间序列。我在CIK代码上拆分数据帧，它是一个整数。数据帧是：
> head(CQ[,c("datadate","fqtr","cik","ibq","mkvaltq","prccq","sic")]
浏览 0提问于2011-08-10得票数 3
回答已采纳
我正在努力将tensorflow 2.0 dcGAN教程()中的代码改编成音频信号谱图。我使用libroasa chroma_cqt将原始音频数据转换为WxHx2矩阵，并将其用作输入。当我试图通过放大随机噪声来创建种子矩阵时，我得到的结果是在随机噪声和0的时空中有一个交替的带，顶部有一个很薄的黑色条(见图)。
我已经修改了最初的教程代码，可以处理各种大小的图像，对于种子图像和最终输出都有很好的效果，但是同样的原则并没有给我带来任何地方的三维数据。我如何确保我做的种子与适当的覆盖面，而不是继续这个问题，而实际上的培训模式？
from __future__ import absolute_i
浏览 1提问于2019-06-22得票数 0
回答已采纳
我试图从16000赫兹16位.wav语音音频中绘制波形图和谱图。我已成功地取得下列地块：
然而，谱图上的时间值是不正确的。我确信我的采样率是一致的(16000赫兹)整个程序，但我仍然不能得到正确的时间值的光谱图。
下面是我的python脚本：
import matplotlib.pyplot as plt
import librosa
import librosa.display
import numpy as np
y, sr = librosa.load('about_TTS_0792.wav', sr=16000)
print("Current aud
浏览 18提问于2021-02-17得票数 3
回答已采纳
1回答
我正在尝试用librosa创建一个MFCC图，但是这个图看起来不是很详细。目标是将此MFCC频谱图呈现给神经网络。我正在测试的音频文件大约有1秒长，来自Google Speech Commands数据集。我的代码是：
WINDOW_SIZE = 20
NFFT=int((WINDOW_SIZE/1000)*16000)
samples, _ = librosa.load(f, sr=16000)
mfccs = librosa.feature.mfcc(y=samples[:16000], sr=16000, n_fft=NFFT, n_mfcc=40)
plt.figure(figs
浏览 6提问于2019-11-27得票数 1
我正在使用librosa库从音频数据中获取和过滤光谱图。
我主要理解生成光谱图背后的数学原理：
获取信号
窗口信号
对于每个窗口计算傅里叶变换
创建其列为转换的矩阵
绘制此矩阵的热图
所以对librosa来说这很容易
spec = np.abs(librosa.stft(signal, n_fft=len(window), window=window)
耶！我有我的FFTs矩阵。现在我看到了这个函数librosa.amplitude_to_db，我认为这就是我对信号处理的无知开始显现的地方。这是我在中等媒体上找到的一个片段：
spec = np.abs(libros
浏览 7提问于2020-08-10得票数 3
回答已采纳
2回答
对于我的项目，我必须检测两个音频文件是否相似，以及第一个音频文件是否包含在第二个音频文件中。我的问题是，我试图使用librosa的numpy.correlate。我不知道我做得对不对。如何检测音频是否包含在另一个音频文件中？
import librosa
import numpy
long_audio_series, long_audio_rate = librosa.load("C:\\Users\\Jerry\\Desktop\\long_file.mp3")
short_audio_series, short_audio_rate = librosa.load("
浏览 0提问于2019-08-01得票数 1
2回答
我正在使用音频时间序列，并希望更好地标记正在绘制的区域。我认为这个问题对于在matplotlib中标记时间序列数据是通用的，但我也使用librosa.display.waveplot来初始绘制波形，这可能很重要。目前，我可以使用librosa和matplotlib (在jupyter笔记本中)绘制以下图： ? 我想做一些类似以下的事情： ? 我使用的代码如下，其中x[1]是一个包含音频数据(恰好是立体声)的简单向量，target_len是经过一些过滤重复3次的录音长度。音频文件是使用x, Fs = librosa.load("audiofile.wav", mon
浏览 49提问于2021-01-12得票数 1
回答已采纳
1回答
我试图用日志刻度绘制44.1 kHz音频谱图.而librosa仅显示2^14 (16384) Hz，但应介于2^15和2^16 Hz之间。我怎么能绘制出全刻度谱图？
import matplotlib.pyplot as plt
import librosa.display
import numpy as np
import pandas as pd
import librosa
y, sr1 = librosa.load('sample01.wav', duration=10,sr=44100)
S = np.abs(librosa.stft(y))
import
浏览 13提问于2022-05-07得票数 0
我喜欢比杜。这很容易理解。但是当涉及到检测非无声块时，librosa看起来要快得多。所以我想尝试在一个项目中使用librosa来加速我的代码。
到目前为止，我一直像这样使用pydub (segment是一个AudioSegment)：
thresh = segment.dBFS - (segment.max_dBFS - segment.dBFS)
non_silent_ranges = pydub.silence.detect_nonsilent(segment, min_silence_len=1000, silence_thresh=thresh)
thresh公式在很大程度上运行良好，
浏览 0提问于2020-08-02得票数 0
回答已采纳
我使用了中的代码，并将hop_length修改为100。为什么我得到不正确的输出？
具体来说，变化是
print(wave.shape)
non_silent_interval = librosa.effects.split(wave, top_db=0.1, hop_length=100)
print(non_silent_interval)
我得到输出
(2000,)
[[ 0 100]]
但信号包含1000个非零样本。为什么它认为非静音样本仅在0到100之间？
浏览 0提问于2020-05-25得票数 0
回答已采纳
在经历了许多问题之后，我在Linux 18 Mate x64上安装了Librosa ()。当我想运行示例脚本(例如： )时，它会因“分段错误”错误而崩溃：
$ python librosa-feature-tempogram-1.py
/usr/local/lib/python2.7/dist-packages/matplotlib/backends/backend_qt5.py:140: Warning: g_main_context_push_thread_default: assertion 'acquired_context' failed
qApp = QtWi
浏览 4提问于2016-08-21得票数 0
回答已采纳
所以我试图用在我的raspberry pi 3上安装librosa，但是它不起作用。
使用缓存的 librosa收集librosa的需要Python '>=3.6‘，但是运行的Python是3.5.3
然后我安装了python3.6，但是当我运行python3时，它部署如下：
python3
Python 3.5.3 (default, Jul 9 2020, 13:00:10) [GCC 6.3.0 20170516] on linux
我怎样才能解决这个冲突?
浏览 1提问于2020-07-29得票数 1
我想在jupyter notebook中将一个ipynb文件中定义的变量访问到另一个文件中。我的代码： mymodel.ipynb import import_ipynb
import utils
N = 12 utils.ipynb x, sr = librosa.load(path)
S = librosa.stft(x, N) 错误： NameError: name 'N' is not defined 我也试过 from utils import *
浏览 65提问于2020-01-14得票数 1
我试图在没有安装可视化c++的情况下在任何windows机器上运行二进制文件(我假设这就是MSVCP120D.dll的特性，但是我的搜索结果并不是很好)。我为一个任务做了一个游戏，并想让其他人(没有安装VS的非开发者)，帮助我测试它，但他们不断收到错误，上面的dll是失踪的。我没有使用任何VisualC++内容，并且设置了/Za标志以确保它只是ANSI C++。Visual是否支持编译ANSI C++，如果支持，如何使其不使用VisualC++，如果它不支持这一点，我应该使用什么编译器？
浏览 10提问于2014-01-02得票数 14
回答已采纳
我试图在一堆声音文件上执行短时傅立叶变换，我得到了这个错误。我正在尝试执行STFT的文件的路径是正确的，但是我仍然得到这个错误。
import librosa
import io
import numpy as np
import tensorflow as tf
import os
import glob
path_te = "C:\Users\aanum\OneDrive\Documents\Deep Learning\timit-homework\te"
files = os.listdir(path_te)
for file in sorted(files):
浏览 1提问于2019-11-12得票数 1
3回答
当使用librosa.stft()计算光谱图时，如何获得相关的频率值？我不想像在librosa.display.specshow中那样生成一个映像，而是想要掌握这些值。
y, sr = librosa.load('../recordings/high_pitch.m4a')
stft = librosa.stft(y, n_fft=256, window=sig.windows.hamming)
spec = np.abs(stft)
spec给出了每个频率的“振幅”或“功率”，而不是频率本身。我已经看到，有一个display.specshow函数将在热图的垂直轴上显示这些频率
浏览 5提问于2020-08-11得票数 6
回答已采纳
我刚开始编写shell脚本，我很感谢能够完成这个任务的脚本的建议。我有一个包含许多行的文件(list.cqt)。每一行都有一个以'/‘分隔的字段列表，格式如下: /Field1/Field2/Field3/Field4/Field5/Field6/Field7/Field8/Field9/Field10
例如，list.cqt的内容如下：
/F11/F12/F13/F14/F15/F16/F17/F18/F19/F110
/F21/F22/F23/F24/F25/F26/F27/F28/F29/F 210
..。
/Fx1/FX2/FX3/FX4/Fx5/Fx6/Fx7/Fx8/Fx9
浏览 0提问于2012-07-13得票数 1
回答已采纳
3回答
我正在使用librosa库，我想知道librosa.load函数在读取音频(.wav)文件时返回了哪些信息。是pa中的瞬时声压，还是没有单位的声音信号的瞬时振幅？
浏览 9提问于2020-05-24得票数 6
回答已采纳
我试着把波形图形象化如下： sig, rate = librosa.load(test_audio, sr=32000, offset=None)
plt.figure(figsize=(15, 5))
librosa.display.waveplot(sig, sr=3200) 它提供了以下结果： ? 如果你看这个x轴，它使它看起来像一个8分钟的音频文件，但它实际上只有47秒长。这里我漏掉了什么？
浏览 44提问于2021-11-17得票数 0
回答已采纳
1回答
我有简短的音频文件，我试图分析使用Librosa，特别是光谱质心功能。然而，该函数输出表示音频文件中不同帧的光谱质心的不同值的数组。说，在调用函数时，可以通过指定参数n_fft来更改帧大小。如果这个函数一次分析整个音频文件，而不是在多个时间点输出结果，对我会更有好处。是否有一种方法可以指定我希望调用函数时，例如，使用整个音频文件的帧大小，而不是默认时间( 2048个示例)？还有更好的办法吗？
干杯，谢谢！
浏览 0提问于2020-12-31得票数 1
回答已采纳
使用Librosa库，我将MFCC功能的1319秒的音频文件生成了一个矩阵20 X 56829。这里的20表示MFCC功能的编号(我可以手动调整)。但我不知道它是如何将音频长度分割成56829的。处理音频所需的帧大小是多少？
import numpy as np
import matplotlib.pyplot as plt
import librosa
def getPathToGroundtruth(episode):
"""Return path to groundtruth file for episode"""
pat
浏览 3提问于2016-06-22得票数 9
回答已采纳
我有一个wav文件，我重放到16.000 kHz与奥迪。现在，我尝试用两种不同的方式加载python文件。
import tensorflow as tf
import librosa
f = "path/to/wav/file/xxxx.wav"
raw = tf.io.read_file(f)
audio, sr = tf.audio.decode_wav(raw, desired_channels=1)
print("Sample Rate TF: ",sr.numpy())
y, sr2 = librosa.load(f)
print("S
浏览 4提问于2021-09-18得票数 2
回答已采纳
1回答
我是遵循快速音频分类使用图像教程。对于长度为4秒的URBANSOUND数据集，图像大小为230x224。我使用的是DCASE音频数据集，它的长度为10秒。那么，在librosa中，如何根据音频的长度来确定图像的大小？
下面是生成平面图的代码。
def create_fold_spectrograms(fold):
spectrogram_path = Path('spectrogram/')
audio_path = Path('audio/')
print(f'Processing fold {fold}')
浏览 8提问于2020-06-04得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
云直播活动推荐
腾讯云开发者
