为什么来自librosa库的频谱图比实际音频轨道的时间持续时间长一倍？

Question

我正在使用以下代码从约30秒的录音信号中获取Mel频谱图：

spectrogram =  librosa.feature.melspectrogram(y=self.RawSamples,sr=self.SamplingFrequency, n_mels=128, fmax=8000)

if show:
    plt.figure(figsize=(10, 4))
    librosa.display.specshow(librosa.power_to_db(self.Spectrogram, ref=np.max), y_axis='mel', fmax=8000, x_axis='time')
    plt.colorbar(format='%+2.0f dB')
    plt.title('Mel spectrogram')
    plt.tight_layout()

获得的频谱图：Mel频谱图 请问你能解释一下为什么时间轴显示的时间持续两倍（应该是30秒）。代码出了什么问题吗？

- LiukPet

---

你的原始样本是来自立体声文件吗？ - Paul R

是的，它是一个立体声 wav 文件 @PaulR - LiukPet

好的 - 如果您将样本视为单通道，则持续时间将增加一倍。 - Paul R

你知道在调用librosa的spectrogram方法时有没有任何属性可以设置以避免这种情况吗？顺便说一句，非常感谢您的回答，对我帮助很大@PaulR - LiukPet

我不熟悉这个特定的库，但是应该很容易提取单个（左或右）通道，或将两个通道合并成一个（单声道）通道，然后进行处理。 - Paul R

也许可以尝试使用 librosa.core.to_mono 函数？ - Paul R

Answer 1

你需要将采样率传递给 librosa.display.specshow (sr=self.SamplingFrequency)。如果没有传递，它会默认为20050，如果self.SamplingFrequency的值不同，则会显示错误的长度。

- Jon Nordby

---

我正在使用12000采样率的90秒音频进行工作。频谱图显示的时间持续时间不正确，但是频谱图本身是正确的，对吗？ - LotOfQuestion

很可能。但最好向specshow传递正确的选项以验证您的期望是否如预期。 - Jon Nordby

我的代码看起来像这样：<br/> data, sr = librosa.load(file_name, sr=None, duration=90)<br/> D = librosa.amplitude_to_db(np.abs(librosa.stft(data)), ref=np.max)<br/> librosa.display.specshow(D, y_axis='linear', x_axis='time', sr=12000)<br/> 我传递的参数有问题吗？ - LotOfQuestion

看起来差不多正确。但如果您有问题，应该开一个新的问题。 - Jon Nordby

现在频谱图显示了正确的持续时间，但是采样率不对:(。无论如何，还是非常感谢您:) - LotOfQuestion

Answer 2

您的 librosa.display.specshow 应该包括以下参数: 采样率 sr=<your_sampling_rate> 和跳跃大小 hop_size=<your_hop_size>。这些参数的默认值分别为22050和512。如果设置不正确，将导致结果频谱图中的x轴不正确。

参考文献: http://man.hubwiz.com/docset/LibROSA.docset/Contents/Resources/Documents/generated/librosa.display.specshow.html

- vskadandale