Python音频频谱分析：librosa实战教程

想要利用Python进行音频频谱处理？本教程为你提供了一份详尽的librosa实战指南。首先，你需要安装librosa及其依赖库，如numpy、matplotlib和scipy。接着，使用`librosa.load()`加载音频文件，获取音频时间序列和采样率。核心步骤在于通过`librosa.stft()`计算短时傅里叶变换，并将结果转换为幅度谱或分贝谱，以便更直观地分析音频频谱。最后，利用matplotlib绘制频谱图，并通过调整坐标轴和颜色条来优化可视化效果。本文还分享了音频格式支持、单双声道选择、参数调整以及频谱数据保存等实用技巧。掌握这些关键步骤，你就能在音乐识别、语音识别等领域轻松应用音频频谱处理技术。

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。

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：

pip install librosa

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

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)

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")

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)

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()

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'。

5. 实用技巧与注意事项

• 音频格式问题：librosa 默认支持 WAV 和一些常见格式，MP3 可能需要额外安装 ffmpeg。
• 单声道 vs 双声道：librosa.load() 默认返回单声道音频，如果是双声道，可以在加载时加 mono=False。
• 保存频谱数据：可以用 np.save("spec.npy", db_spec) 将频谱数据保存下来，便于后续处理或训练模型使用。
• 可视化调试建议：绘制频谱时尽量加上坐标轴标签和 colorbar，方便理解图像含义。

基本上就这些操作了。整个流程包括加载音频、计算 STFT、转换为分贝谱、再绘图展示。虽然步骤不多，但每个环节都有一些细节需要注意，尤其是参数的选择和音频格式的支持方面。

如果你只是想快速看一下某个音频的频谱表现，上面的代码已经足够用了。

到这里，我们也就讲完了《Python音频频谱分析：librosa实战教程》的内容了。个人认为，基础知识的学习和巩固，是为了更好的将其运用到项目中，欢迎关注golang学习网公众号，带你了解更多关于的知识点！