Librosa音频教程：使用RMS特征精确提取指定时间戳的音频能量

import librosa
import numpy as np
import os

def extract_rms_at_timestamps(file_path, target_timestamps, sr=None, duration=None, frame_length_ms=20):
    """
    提取音频文件在指定时间戳处的RMS能量。

    Args:
        file_path (str): 音频文件路径。
        target_timestamps (list): 目标时间戳列表（秒）。
        sr (int, optional): 目标采样率。如果为None，则使用原始采样率。
        duration (float, optional): 加载音频的持续时间（秒）。
        frame_length_ms (int): 计算RMS时使用的帧长度（毫秒）。

    Returns:
        numpy.ndarray: 在每个指定时间戳处对应的RMS能量值。
    """
    # 1. 加载音频文件
    audio_signal, sample_rate = librosa.load(file_path, sr=sr, duration=duration)
    print(f"音频采样率: {sample_rate} Hz")
    print(f"音频信号长度: {len(audio_signal)} 样本")

    # 根据毫秒计算帧长度（样本数）
    frame_length_samples = librosa.time_to_samples(frame_length_ms / 1000, sr=sample_rate)
    # 确保帧长度至少为64样本，并转换为整数
    if frame_length_samples < 64:
        frame_length_samples = 64
    frame_length_samples = int(frame_length_samples)

    # 跳跃长度通常设置为帧长度的一半，以提供足够的帧密度和重叠
    hop_length_samples = int(frame_length_samples / 2)
    if hop_length_samples == 0: # 避免hop_length为0
        hop_length_samples = 1

    print(f"RMS帧长度: {frame_length_samples} 样本 ({frame_length_ms} ms)")
    print(f"RMS跳跃长度: {hop_length_samples} 样本")

    # 2. 计算整个音频的RMS能量
    # rms_energy的形状是 (1, n_frames)
    rms_energy = librosa.feature.rms(y=audio_signal, frame_length=frame_length_samples, hop_length=hop_length_samples)
    print(f"RMS能量帧数: {rms_energy.shape[1]}")

    # 3. 将目标时间戳转换为样本索引
    target_samples = librosa.time_to_samples(target_timestamps, sr=sample_rate)
    print(f"目标时间戳对应的样本索引: {target_samples}")

    # 4. 将样本索引转换为RMS帧索引
    # 注意：librosa.samples_to_frames需要与rms计算时相同的hop_length
    target_rms_frames = librosa.samples_to_frames(target_samples, hop_length=hop_length_samples)
    print(f"目标时间戳对应的RMS帧索引: {target_rms_frames}")

    # 5. 提取指定RMS帧的能量值
    # 确保索引在有效范围内，避免超出rms_energy数组的边界
    valid_target_rms_frames = target_rms_frames[target_rms_frames < rms_energy.shape[1]]
    if len(valid_target_rms_frames) < len(target_rms_frames):
        print("警告: 部分目标时间戳超出了音频范围或RMS帧的计算范围，这些点将被忽略。")

    signal_strength_at_targets = rms_energy[0, valid_target_rms_frames]

    return signal_strength_at_targets

# 示例用法
if __name__ == "__main__":
    # 尝试加载Librosa自带的示例音频
    try:
        test_file_path = librosa.ex('trumpet')
        print(f"使用Librosa示例音频: {test_file_path}")
    except Exception:
        print("无法加载Lib