语音特征提取: 看懂梅尔语谱图(Mel-spectrogram)、梅尔倒频系数(MFCCs)的原理_BeichenLiu.Polaris的博客-CSDN博客_梅尔谱图

1.librosa.core.load(path,sr)对音频进行重新采样

librosa.core.load — librosa 0.7.2 documentation

librosa .core。负载（路径， sr=22050，单声道=真，偏移量=0.0，持续时间=无， dtype =<class 'numpy.float32'>， res_type='kaiser_best'） [资源]¶

将音频文件加载为浮点时​​间序列。

音频将自动重新采样到给定的速率（默认sr=22050）。

要保留文件的本机采样率，请使用sr=None。

2.librosa.stft(),短时傅里叶变换

librosa.core.stft — librosa 0.7.2 documentation

短时傅里叶变换 ( STFT )。[1]（第 2 章）

STFT通过在短重叠窗口上计算离散傅里叶变换 (DFT) 来表示时频域中的信号。

此函数返回一个复值矩阵 D 使得

• np.abs(D[f, t])是 帧t处频率 bin f的幅度，并且

• np.angle(D[f, t])是频率 bin f 在帧t的相位。

整数t和f可以通过实用函数frames_to_sample和转换为物理单位fft_frequencies。