怎样用Python处理音频频谱？librosa库教程-Python教程-PHP中文网

怎样用Python处理音频频谱？librosa库教程

看不見的法師

发布： 2025-07-02 18:39:01

原创

616人浏览过

如何用 librosa 处理音频频谱？1. 安装 librosa 及其依赖库 numpy、matplotlib、scipy；2. 使用 librosa.load()加载音频文件获取时间序列和采样率；3. 通过 librosa.stft()计算短时傅里叶变换并转换为幅度或分贝谱；4. 利用 matplotlib 绘制频谱图，设置坐标轴和颜色条以增强可视化效果；5. 注意音频格式支持、单双声道选择、参数调整及频谱数据保存。整个流程涵盖加载、变换、可视化等关键步骤，适用于音乐识别、语音识别等领域。

怎样用Python处理音频频谱？librosa库教程

处理音频频谱是音频分析中一个常见任务，比如在音乐识别、语音识别或者音效处理中都有广泛应用。Python 中的 librosa 库是一个非常强大的工具，专门用于音频和音乐信号分析，支持加载音频、提取特征、绘制频谱等操作。

下面我们就来看看怎么用 librosa 来处理音频频谱。

1. 安装与基础准备

使用 librosa 前，需要先安装它：

立即学习“Python免费学习笔记（深入）”；

pip install librosa

登录后复制

除了 librosa，你可能还需要一些辅助库，比如：

numpy：进行数值计算；
matplotlib：用于绘图；
scipy：部分音频处理功能依赖它。

安装这些依赖可以这样：

pip install numpy matplotlib scipy

登录后复制

准备好后，就可以开始加载音频文件了。

2. 加载音频文件并获取原始数据

首先我们需要把音频文件读入 Python 程序中。librosa.load() 可以完成这个任务。

import librosa

# 加载音频文件，sr为目标采样率（默认22050）
y, sr = librosa.load("your_audio_file.mp3", sr=None)

登录后复制

其中：

y 是音频时间序列数组；
sr 是采样率（samples per second）；

提示：如果设置 sr=None，会保留原音频的采样率。

加载完成后，你可以查看一下音频长度：

print(f"采样率: {sr}, 音频时长: {len(y)/sr:.2f} 秒")

登录后复制

3. 计算短时傅里叶变换（STFT）

音频频谱本质上是将音频信号从时域转换到频域的结果。常用的方法是 短时傅里叶变换（STFT）。

import numpy as np

# 执行 STFT
D = librosa.stft(y)

# 转换为幅度谱
magnitude = np.abs(D)

# 或者转为分贝谱（更直观）
db_spec = librosa.amplitude_to_db(magnitude)

登录后复制

这里有几个关键参数可以调整：

n_fft：FFT窗口大小，默认是2048；
hop_length：帧移步长，默认是512；
win_length：窗长，通常设为 n_fft 的值；

这些参数会影响频谱分辨率和时间粒度，根据实际需求灵活调整。

4. 绘制频谱图

有了分贝谱之后，我们就可以用 matplotlib 把它画出来。

import matplotlib.pyplot as plt
import librosa.display

plt.figure(figsize=(10, 6))
librosa.display.specshow(db_spec, sr=sr, x_axis='time', y_axis='hz')
plt.colorbar(format="%+2.0f dB")
plt.title("频谱图")
plt.tight_layout()
plt.show()

登录后复制

这段代码会生成一个横轴为时间、纵轴为频率、颜色表示能量强度的热力图。

如果你想让纵轴显示的是对数频率（如音乐中常用的八度），可以把 y_axis='hz' 改成 y_axis='log'。