使用 Librosa 提取节拍时间点上的音频强度：RMS 方法详解

import librosa
import numpy as np
import os

# 1. 准备音频文件和节拍时间戳 (这里使用一个虚拟音频文件和节拍)
# 在实际应用中，你需要替换为你的音频文件路径和节拍时间戳
audio_file_path = librosa.ex('trumpet') # 使用librosa自带的示例音频
beats_timestamps = np.array([0.5, 1.2, 2.3, 3.5, 4.8, 5.9, 7.0]) # 示例节拍时间点 (秒)

print(f"正在加载音频文件: {audio_file_path}")

# 2. 加载音频文件
# sr=None 表示使用音频文件的原始采样率
# duration=60 表示只加载前60秒的音频，如果音频短于60秒则加载全部
audio_signal, sample_rate = librosa.load(audio_file_path, sr=None, duration=60)

print(f"音频采样率: {sample_rate} Hz")
print(f"音频信号长度: {len(audio_signal)} 样本点")
print(f"原始节拍时间戳: {beats_timestamps} 秒")

# 3. 定义 RMS 计算参数
# 建议 frame_length 对应一个较短的时间窗，例如 20ms
frame_duration_ms = 20
frame_length = int(sample_rate * (frame_duration_ms / 1000))
# hop_length 通常小于 frame_length，用于控制帧的重叠度，默认为 512
# 确保 time_to_frames 和 feature.rms 使用相同的 hop_length
hop_length = 512 

print(f"RMS 帧长: {frame_length} 样本点 ({frame_duration_ms} ms)")
print(f"RMS 跳跃长度: {hop_length} 样本点")

# 4. 计算整个音频的 RMS 能量
# [0] 用于从 (1, num_frames) 的数组中提取出一维 RMS 序列
rms_energy = librosa.feature.rms(y=audio_signal, 
                                 frame_length=frame_length, 
                                 hop_length=hop_length)[0]

print(f"计算得到的 RMS 能量序列长度: {len(rms_energy)} 帧")

# 5. 将节拍时间点映射到 RMS 能量序列的帧索引
# 确保这里的 sr 和 hop_length 与计算 rms_energy 时使用的参数一致
beat_frame_indices = librosa.time_to_frames(times=beats_timestamps, 
                                            sr=sample_rate, 
                                            hop_length=hop_length)

print(f"节拍时间戳对应的 RMS 帧索引: {beat_frame_indices}")

# 6. 提取每个节拍时间点上的 RMS 强度值
# 检查索引是否越界，防止因节拍时间在音频末尾或计算误差导致的问题
valid_indices = beat_frame_indices[beat_frame_indices < len(rms_energy)]
rms_at_beats = rms_energy[valid_indices]

# 如果有越界索引，可以给出提示
if len(valid_indices) < len(beat_frame_indices):
    print("警告: 部分节拍时间戳超出了 RMS 能量序列的范围，已忽略。")

print(f"在节拍时间点提取到的 RMS 强度: {rms_at_beats}")

# 可视化 (可选)
import matplotlib.pyplot as plt

plt.figure(figsize=(12, 6))

# 绘制原始音频信号 (部分)
plt.subplot(2, 1, 1)
librosa.display.waveshow(y=audio_signal, sr=sample_rate, ax=plt.gca())
plt.vlines(beats_timestamps, -1, 1, color='r', linestyle='--', label='Beat Timestamps')
plt.title('Audio Waveform with Beat Timestamps')
plt.xlabel('Time (s)')
plt.ylabel('Amplitude')
plt.legend()
plt.grid(True)

# 绘制 RMS 能量曲线
plt.subplot(2, 1, 2)
# 将 RMS 帧索引转换为时间轴，以便与节拍时间戳对齐
rms_times = librosa.frames_to_time(np.arange(len(rms_energy)), sr=sample_rate, hop_length=hop_length)
plt.plot(rms_times, rms_energy, label='RMS Energy')
plt.vlines(beats_timestamps, 0, np.max(rms_energy), color='r', linestyle='--', label='Beat Timestamps')
plt.scatter(librosa.frames_to_time(valid_indices, sr=sample_rate, hop_length=hop_length), 
            rms_at_beats, color='g', s=50, zorder=5, label='RMS at Beats')
plt.title('RMS Energy Over Time')
plt.xlabel('Time (s)')
plt.ylabel('RMS Energy')
plt.legend()
plt.grid(True)

plt.tight_layout()
plt.show()