Python怎样进行音频分析？librosa处理-Python教程-PHP中文网

Python怎样进行音频分析？librosa处理

看不見的法師

发布： 2025-07-16 16:18:02

原创

1040人浏览过

librosa 是 python 中用于音频分析的核心库，广泛应用于语音识别、音乐处理等领域。它支持 wav、mp3 等格式，推荐使用 wav 以避免兼容性问题。安装方式为 pip install librosa，并需配合 numpy 和 matplotlib 使用。主要功能包括：1. 加载音频文件获取时间序列和采样率；2. 提取零交叉率（zcr）用于判断静音或清浊音；3. 提取 mfcc 特征用于音频分类；4. 使用 pyin 方法提取音高信息（f0）。可视化方面可通过 matplotlib 展示 mfcc、波形图和频谱图。注意事项包括统一音频长度、预处理提升效果及多通道转单声道。

Python怎样进行音频分析？librosa处理

音频分析在语音识别、音乐处理、情感分析等领域都有广泛应用。Python 里，librosa 是一个非常常用的库，专门用于音频和音乐信号的分析。它功能强大，接口友好，是进行音频特征提取的好工具。

安装librosa与基础准备

要使用 librosa，首先需要安装。一般用 pip 就可以搞定：

pip install librosa

登录后复制

安装完成后，还需要一些辅助库，比如 numpy、matplotlib 等，用来处理数据和可视化结果。音频文件支持的格式包括 WAV、MP3 等，不过建议优先使用 WAV 格式，因为压缩格式有时会带来兼容性问题。

立即学习“Python免费学习笔记（深入）”；

加载音频文件的基本操作如下：

import librosa

audio_path = "your_audio_file.wav"
y, sr = librosa.load(audio_path, sr=None)  # sr=None 表示保留原始采样率

登录后复制

其中，y 是音频时间序列，sr 是采样率，通常为 44100 Hz 或其他标准值。

提取常用音频特征

librosa 支持很多音频特征的提取，下面介绍几个最常用的。

零交叉率（Zero-Crossing Rate）

零交叉率反映的是音频信号波形穿越零点的频率，常用于判断静音段或区分清音/浊音。

zcr = librosa.feature.zero_crossing_rate(y)

登录后复制

这个指标数值越低，说明音频越“平稳”。

壁纸样机神器

免费壁纸样机生成

查看详情

梅尔频率倒谱系数（MFCC）

MFCC 是音频分类中最常见的特征之一，模拟了人耳对声音的感知方式。

mfccs = librosa.feature.mfcc(y=y, sr=sr, n_mfcc=13)

登录后复制

这里 n_mfcc=13 表示提取前13个 MFCC 系数，通常已经足够使用。

音高（Pitch）与基频（F0）

如果你关心的是语音中的音高信息，可以用 librosa 的 piptrack 或 yin 方法来提取 F0：

f0, voiced_flag, voiced_probs = librosa.pyin(y, fmin=librosa.note_to_hz('C2'), fmax=librosa.note_to_hz('C7'))

登录后复制

这段代码会返回每个时间点上的基频估计值，适用于语音或歌唱分析。

可视化音频特征

有了这些特征之后，你可以用 matplotlib 把它们画出来看看：

import matplotlib.pyplot as plt

plt.figure(figsize=(10, 4))
librosa.display.specshow(mfccs, sr=sr, x_axis='time')
plt.colorbar()
plt.title('MFCC')
plt.tight_layout()
plt.show()

登录后复制

这样可以直观地看到 MFCC 在时间维度上的变化趋势。

如果你想看音频的时域波形或者频谱图，也可以分别用：

# 波形图
librosa.display.waveshow(y, sr=sr)

# 频谱图（短时傅里叶变换）
stft = librosa.stft(y)
stft_db = librosa.amplitude_to_db(abs(stft))
librosa.display.specshow(stft_db, sr=sr, x_axis='time', y_axis='hz')

登录后复制