Python 音频处理以及可视化 Amplitude，MFCC，Mel Spectrogram, librosa 库

利用python库 librosa库对于音频文件进行预处理，以及可视化操作。

1. Load Audio Data 导入音频

将音频文件（这里使用苹果录音文件 .m4a 格式）导入librosa，音频格式可以为其它（甚至视频文件mp4也是可以的）

import librosa

audio_data = 'Audio/1.m4a'
y, sr = librosa.load(audio_data)

print('y:', y, '\n')
print('y shape:', np.shape(y), '\n')
print('Sample Rate (Hz):', sr, '\n')
print('Check Len of Audio:', np.shape(y)[0]/sr)
1
2
3
4
5
6
7
8
9

返回值有两个 y 和 sr。
y 是音频时间序列并支持多声道，
sr 是采样率 (注意：librosa默认load使用的是22050hz的采样率)
如果想要用固定采样率，则可以使用y, sr = librosa.load(audio_data,sr=None)表示保持原音频的采样率。或者可以规定采样率sr：y, sr = librosa.load(audio_data,sr=44100) 。

想要获取音频的基本信息可以输入：

print('y:', y, '\n')
print('y shape:', np.shape(y), '\n')
print('Sample Rate (Hz):', sr, '\n')
print('Check Len of Audio:', np.shape(y)[0]/sr)
1
2
3
4

2. Audio Visualization 音频可视化

a) Amplitude

音频可视化，y轴 为 Amplitude （振幅）随时间变化曲线。
1

import matplotlib.pyplot as plt
import librosa.display
 
plt.figure(figsize=(20, 5))
librosa.display.waveplot(y, sr=sr)
plt.xlabel('Time (samples)')
plt.ylabel('Amplitude')
plt.show()
1
2
3
4
5
6
7
8

b) Amplitude to DB

X = librosa.stft(y)
Xdb = librosa.amplitude_to_db(abs(X))
plt.figure(figsize=(20, 5))
librosa.display.specshow(Xdb, sr=sr, x_axis='time', y_axis='hz')
plt.colorbar()
plt.show()
1
2
3
4
5
6

c) MFCC 梅尔频率倒谱系数

mfccs = librosa.feature.mfcc(y=y, sr=sr)
librosa.display.specshow(mfccs, sr=sr, x_axis='time')
1
2

d) Mel Spectrogram 梅尔频谱图

mel = librosa.feature.melspectrogram(y=y, sr=sr)
librosa.display.specshow(mel, sr=sr, x_axis='time')
1
2

以上。