人工智能音頻處理庫—librosa（安裝與使用）
序言
一、libsora安裝
pypi
conda
source
二、librosa常用功能
核心音頻處理函數
音頻處理
頻譜表示
幅度轉換
時頻轉換
特征提取
繪圖顯示
三、常用功能代碼實現
讀取音頻
提取特征
提取Log-Mel Spectrogram 特征
提取MFCC特征
繪圖顯示
繪制聲音波形
繪制頻譜圖
序言
Librosa是一個用於音頻、音樂分析、處理的python工具包，一些常見的時頻處理、特征提取、繪制聲音圖形等功能應有盡有，功能十分強大。本文主要介紹librosa的安裝與使用方法。
一、libsora安裝
Librosa官網提供了多種安裝方法，詳細如下：
pypi
最簡單的方法就是進行pip安裝，可以滿足所有的依賴關系，命令如下：
pip install librosa
conda
如果安裝了Anaconda，可以通過conda命令安裝：
conda install -c conda-forge librosa
source
直接使用源碼安裝，需要提前下載源碼（https://github.com/librosa/librosa/releases/），通過下面命令安裝：
tar xzf librosa-VERSION.tar.gz
cd librosa-VERSION/
python setup.py install
二、librosa常用功能
核心音頻處理函數
這部分介紹了最常用的音頻處理函數，包括音頻讀取函數load( )，重采樣函數resample( )，短時傅里葉變換stft( )，幅度轉換函數amplitude_to_db( )以及頻率轉換函數hz_to_mel( )等。這部分函數很多，詳細可參考librosa官網 http://librosa.github.io/ librosa/core.html
音頻處理
頻譜表示
幅度轉換
時頻轉換
特征提取
本部分列舉了一些常用的頻譜特征的提取方法，包括常見的Mel Spectrogram、MFCC、CQT等。函數詳細信息可參考http:// librosa.github.io/librosa/feature.html
繪圖顯示
包含了常用的頻譜顯示函數specshow( ), 波形顯示函數waveplot( )，詳細信息請參考http://librosa.github.io/librosa/display. html
三、常用功能代碼實現
1.讀取音頻
#導入庫
import librosa
# # 讀取音頻
# Load a wav file
y, sr = librosa.load('./sample.wav')
print(y)
#Librosa默認的采樣率是22050，如果需要讀取原始采樣率，需要設定參數sr=None:
print(sr)
y, sr = librosa.load('./sample.wav',sr=None)
#可見，'beat.wav'的原始采樣率為16000。如果需要重采樣，只需要將采樣率參數sr設定為你需要的值：
print(sr)
y, sr = librosa.load('./sample.wav',sr=18000)
print(sr)
2.提取特征
提取Log-Mel Spectrogram 特征
Log-Mel Spectrogram特征是目前在語音識別和環境聲音識別中很常用的一個特征，由於CNN在處理圖像上展現了強大的能力，使得音頻信號的頻譜圖特征的使用愈加廣泛，甚至比MFCC使用的更多。在librosa中，Log-Mel Spectrogram特征的提取只需幾行代碼：
# # 提取特征
# Load a wav file
y, sr = librosa.load('./sample.wav', sr=None)
# extract mel spectrogram feature
melspec = librosa.feature.melspectrogram(y, sr, n_fft=1024, hop_length=512, n_mels=128)
# convert to log scale
logmelspec = librosa.power_to_db(melspec)
print(logmelspec.shape)
可見，Log-Mel Spectrogram特征是二維數組的形式，128表示Mel頻率的維度（頻域），100為時間幀長度（時域），所以Log-Mel Spectrogram特征是音頻信號的時頻表示特征。其中，n_fft指的是窗的大小，這里為1024；hop_length表示相鄰窗之間的距離，這里為512，也就是相鄰窗之間有50%的overlap；n_mels為mel bands的數量，這里設為128。
3.提取MFCC特征
MFCC特征是一種在自動語音識別和說話人識別中廣泛使用的特征。關於MFCC特征的詳細信息，有興趣的可以參考博客http:// blog.csdn.net/zzc15806/article/details/79246716。在librosa中，提取MFCC特征只需要一個函數：
# # 提取MFCC特征
# extract mfcc feature
mfccs = librosa.feature.mfcc(y=y, sr=sr, n_mfcc=40)
print(mfccs)
print(mfccs.shape)
關於mfcc，這里就不在贅述。
Librosa還有很多其他音頻特征的提取方法，比如CQT特征、chroma特征等，在第二部分“librosa常用功能”給了詳細的介紹。
4.繪圖顯示
4.1繪制聲音波形
Librosa有顯示聲音波形函數waveplot( )：
# # 繪圖顯示
import librosa.display
import matplotlib.pyplot as plt
get_ipython().run_line_magic('matplotlib', 'inline')
plt.figure()
librosa.display.waveplot(y, sr)
plt.title('sample wavform')
plt.show()
4.2繪制頻譜圖
Librosa有顯示頻譜圖波形函數specshow( ):
# # 繪制頻譜圖
melspec = librosa.feature.melspectrogram(y, sr, n_fft=1024, hop_length=512, n_mels=128)
logmelspec = librosa.power_to_db(melspec)
plt.figure()
librosa.display.specshow(logmelspec, sr=sr, x_axis='time', y_axis='mel')
plt.title('sample wavform')
plt.show()
將聲音波形和頻譜圖繪制在一張圖表中：
# # 將聲音波形和頻譜圖繪制在一張圖表中：
# extract mel spectrogram feature
melspec = librosa.feature.melspectrogram(y, sr, n_fft=1024, hop_length=512, n_mels=128)
# convert to log scale
logmelspec = librosa.power_to_db(melspec)
plt.figure()
# plot a wavform
plt.subplot(2, 1, 1)
librosa.display.waveplot(y, sr)
plt.title('sample wavform')
# plot mel spectrogram
plt.subplot(2, 1, 2)
librosa.display.specshow(logmelspec, sr=sr, x_axis='time', y_axis='mel')
plt.title('Mel spectrogram')
plt.tight_layout() #保證圖不重疊
plt.show()
到這里，librosa的安裝和簡單使用就介紹完了。事實上，librosa遠不止這些功能，關於librosa更多的使用方法還請大家參考librosa官網
正文結束！！！