python中如何画语谱图

1.导包

Librosa是一个用于音频、音乐分析、处理的python工具包，一些常见的时频处理、特征提取、绘制声音图形等功能应有尽有，功能十分强大

import librosa
import librosa.display
import matplotlib.pyplot as plt
import numpy as np
1
2
3
4

2，导入音频

y,sr = librosa.load('./data/noisy/p226_001_0.wav',sr=None)
print(y,sr)
1
2

3，提取特征

1. Log-Mel Spectrogram：是音频信号的时频表示特征

melspec = librosa.feature.melspectrogram(y,sr,n_fft=1024,hop_length=512,n_mels = 128)
logmelspec = librosa.power_to_db(melspec)
print(logmelspec.shape)
1
2
3

2. MFCC是一种在自动语音识别和说话人识别中广泛使用的特征

mfccs = librosa.feature.mfcc(y=y,sr=sr,n_mfcc=40)
print(mfccs.shape)
1
2

4，绘图显示

1. 波形图：librosa.display.waveplot(y,sr)

plt.figure()
librosa.display.waveplot(y,sr)
plt.title('Beat wavform')
plt.gcf().set_size_inches(20, 12) # get current figure
plt.savefig("./png/clean.png",dpi=300)
1
2
3
4
5

2. mel谱图：其实就是非线性语谱图，因为梅尔刻度是针对人耳设计的，因此梅尔频谱很大程度上保留了人耳理解原本语音所需的信息，这就是梅尔频谱的精髓所在。（logmelspec是上面得到的值）
   librosa.display.specshow( logmelspec, sr = sr, x_axis = ‘time’, y_axis = ‘mel’ )

直接画：

plt.figure()
librosa.display.specshow(logmelspec,sr=sr,x_axis='time',y_axis='mel')
plt.title('mel spectrogram')
plt.savefig("./png/clean_mel.png",dpi=300)
1
2
3
4

归一化之后画：

# 第二种
L = len(y)
print("time:",L * sr)
y = y*1.0/max(y)
framelength = 0.025
# NFFT点数=0.025*sr
framesize = int (framelength * sr)
print("NFFT:",framesize)
#提取mel特征
mel_spect = librosa.feature.melspectrogram(y, sr=sr, n_fft=framesize)
#转化为log形式
mel_spect = librosa.power_to_db(mel_spect, ref=np.max)
librosa.display.specshow(mel_spect, sr=sr, x_axis='time', y_axis='mel')
plt.ylabel('Mel Frequency')
plt.xlabel('Time(s)')
plt.title('Mel Spectrogram')
plt.savefig("./png/clean_mel2.png")
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

3. 语谱图:(横轴为时间，纵轴为频率，颜色为幅值)也称为声音的时频域表示(时频图)
   这种画的好看点，进行了加窗和归一化

plt.figure()
# sr=None声音保持原采样频率， mono=False声音保持原通道数
data, rs = librosa.load('./data/noisy/p226_001_0.wav', sr=None, mono=False) 
L = len(data)
print('Time:', L / rs)
#归一化
data = data * 1.0 / max(data)
#0.025s
framelength = 0.025
#NFFT点数=0.025*fs
framesize = int(framelength * rs)
print("NFFT:", framesize)
#画语谱图
plt.specgram(data, NFFT=framesize, Fs=rs, window=np.hanning(M=framesize))
plt.ylabel('Frequency')
plt.xlabel('Time(s)')
plt.title('Spectrogram')
plt.savefig("./png/clean_linear2.png")
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

5，将多张图画在同一张图中

plt.subplot(2,3,1)也可以简写plt.subplot(231)表示把显示界面分割成2*3的网格。其中，第一个参数是行数，第二个参数是列数，第三个参数表示图形的标号

# 3.4 将波形和频谱画在同一张图中
plt.figure()
# plt.subplot(2,3,1)也可以简写plt.subplot(231)表示把显示界面分割成2*3的网格。其中，第一个参数是行数，第二个参数是列数，第三个参数表示图形的标号
plt.subplot(2,1,1)
librosa.display.waveplot(y,sr)
plt.title('Beat wavform')

plt.subplot(2,1,2)
librosa.display.specshow(logmelspec,sr=sr,x_axis='time',y_axis='mel')
plt.title('Mel spectrogram')
plt.tight_layout() #保证图不重叠
plt.savefig("./png/clean_mix.png",dpi=300)
1
2
3
4
5
6
7
8
9
10
11
12

语音基础知识