目錄

序言

一、libsora安裝

pypi

conda

source

二、librosa常用功能

核心音頻處理函數

音頻處理

頻譜表示

幅度轉換

時(shí)頻轉換

特征提取

繪圖顯示

三、常用功能代碼實(shí)現

讀取音頻

提取特征

提取Log-Mel Spectrogram 特征

提取MFCC特征

繪圖顯示

繪制聲音波形

繪制頻譜圖

序言

Librosa是一個(gè)用于音頻、音樂(lè )分析、處理的python工具包，一些常見(jiàn)的時(shí)頻處理、特征提取、繪制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。

一、libsora安裝

Librosa官網(wǎng)提供了多種安裝方法，詳細如下：

pypi

最簡(jiǎn)單的方法就是進(jìn)行pip安裝，可以滿(mǎn)足所有的依賴(lài)關(guān)系，命令如下：

pip install librosa

conda

如果安裝了Anaconda，可以通過(guò)conda命令安裝：

conda install -c conda-forge librosa

source

直接使用源碼安裝，需要提前下載源碼（https://github.com/librosa/librosa/releases/），通過(guò)下面命令安裝：

tar xzf librosa-VERSION.tar.gz
cd librosa-VERSION/
python setup.py install

二、librosa常用功能

核心音頻處理函數

這部分介紹了最常用的音頻處理函數，包括音頻讀取函數load( )，重采樣函數resample( )，短時(shí)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。這部分函數很多，詳細可參考librosa官網(wǎng) http://librosa.github.io/ librosa/core.html

音頻處理

頻譜表示

幅度轉換

時(shí)頻轉換

特征提取

本部分列舉了一些常用的頻譜特征的提取方法，包括常見(jiàn)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

包含了常用的頻譜顯示函數specshow( ), 波形顯示函數waveplot( )，詳細信息請參考http://librosa.github.io/librosa/display. html

三、常用功能代碼實(shí)現

讀取音頻

>>> import librosa
>>> # Load a wav file
>>> y, sr = librosa.load('./beat.wav')
>>> y
array([  0.00000000e+00,   0.00000000e+00,   0.00000000e+00, ...,
         8.12290182e-06,   1.34394732e-05,   0.00000000e+00], dtype=float32)
>>> sr
22050

Librosa默認的采樣率是22050，如果需要讀取原始采樣率，需要設定參數sr=None:

>>> import librosa
>>> # Load a wav file
>>> y, sr = librosa.load('./beat.wav', sr=None)
>>> sr
44100

可見(jiàn)，'beat.wav'的原始采樣率為44100。如果需要重采樣，只需要將采樣率參數sr設定為你需要的值：

>>> import librosa
>>> # Load a wav file
>>> y, sr = librosa.load('./beat.wav', sr=16000)
>>> sr
16000

提取特征

提取Log-Mel Spectrogram 特征

Log-Mel Spectrogram特征是目前在語(yǔ)音識別和環(huán)境聲音識別中很常用的一個(gè)特征，由于CNN在處理圖像上展現了強大的能力，使得音頻信號的頻譜圖特征的使用愈加廣泛，甚至比MFCC使用的更多。在librosa中，Log-Mel Spectrogram特征的提取只需幾行代碼：

>>> import librosa
>>> # Load a wav file
>>> y, sr = librosa.load('./beat.wav', sr=None)
>>> # extract mel spectrogram feature
>>> melspec = librosa.feature.melspectrogram(y, sr, n_fft=1024, hop_length=512, n_mels=128)
>>> # convert to log scale
>>> logmelspec = librosa.power_to_db(melspec)
>>> logmelspec.shape
(128, 194)

可見(jiàn)，Log-Mel Spectrogram特征是二維數組的形式，128表示Mel頻率的維度（頻域），194為時(shí)間幀長(cháng)度（時(shí)域），所以L(fǎng)og-Mel Spectrogram特征是音頻信號的時(shí)頻表示特征。其中，n_fft指的是窗的大小，這里為1024；hop_length表示相鄰窗之間的距離，這里為512，也就是相鄰窗之間有50%的overlap；n_mels為mel bands的數量，這里設為128。

提取MFCC特征

MFCC特征是一種在自動(dòng)語(yǔ)音識別和說(shuō)話(huà)人識別中廣泛使用的特征。關(guān)于MFCC特征的詳細信息，有興趣的可以參考博客http:// blog.csdn.net/zzc15806/article/details/79246716。在librosa中，提取MFCC特征只需要一個(gè)函數：

>>> import librosa
>>> # Load a wav file
>>> y, sr = librosa.load('./beat.wav', sr=None)
>>> # extract mfcc feature
>>> mfccs = librosa.feature.mfcc(y=y, sr=sr, n_mfcc=40)
>>> mfccs.shape
(40, 194)

關(guān)于mfcc，這里就不在贅述。

Librosa還有很多其他音頻特征的提取方法，比如CQT特征、chroma特征等，在第二部分“l(fā)ibrosa常用功能”給了詳細的介紹。

繪圖顯示

繪制聲音波形

Librosa有顯示聲音波形函數waveplot( )：

>>> import librosa
>>> import librosa.display
>>> # Load a wav file
>>> y, sr = librosa.load('./beat.wav', sr=None)
>>> # plot a wavform
>>> plt.figure()
>>> librosa.display.waveplot(y, sr)
>>> plt.title('Beat wavform')
>>> plt.show()

輸出圖形為：

繪制頻譜圖

Librosa有顯示頻譜圖波形函數specshow( ):

>>> import librosa
>>> import librosa.display
>>> # Load a wav file
>>> y, sr = librosa.load('./beat.wav', sr=None)
>>> # extract mel spectrogram feature
>>> melspec = librosa.feature.melspectrogram(y, sr, n_fft=1024, hop_length=512, n_mels=128)
>>> # convert to log scale
>>> logmelspec = librosa.power_to_db(melspec)
>>> # plot mel spectrogram
>>> plt.figure()
>>> librosa.display.specshow(logmelspec, sr=sr, x_axis='time', y_axis='mel')
>>> plt.title('Beat wavform')
>>> plt.show()

輸出結果為：

將聲音波形和頻譜圖繪制在一張圖表中：

>>> import librosa
>>> import librosa.display
>>> # Load a wav file
>>> y, sr = librosa.load('./beat.wav', sr=None)
>>> # extract mel spectrogram feature
>>> melspec = librosa.feature.melspectrogram(y, sr, n_fft=1024, hop_length=512, n_mels=128)
>>> # convert to log scale
>>> logmelspec = librosa.power_to_db(melspec)
>>> plt.figure()
>>> # plot a wavform
>>> plt.subplot(2, 1, 1)
>>> librosa.display.waveplot(y, sr)
>>> plt.title('Beat wavform')
>>> # plot mel spectrogram
>>> plt.subplot(2, 1, 2)
>>> librosa.display.specshow(logmelspec, sr=sr, x_axis='time', y_axis='mel')
>>> plt.title('Mel spectrogram')
>>> plt.tight_layout() #保證圖不重疊
>>> plt.show()

輸出結果為：

到這里，librosa的安裝和簡(jiǎn)單使用就介紹完了。事實(shí)上，librosa遠不止這些功能，關(guān)于librosa更多的使用方法還請大家參考librosa官網(wǎng)http://librosa.github.io/librosa/index.html

參考：http://librosa.github.io/librosa/index.html