人工智慧音訊處理庫—librosa（安裝與使用）
序言
一、libsora安裝
pypi
conda
source
二、librosa常用功能
核心音訊處理函式
音訊處理
頻譜表示
幅度轉換
時頻轉換
特徵提取
繪圖顯示
三、常用功能程式碼實現
讀取音訊
提取特徵
提取Log-Mel Spectrogram 特徵
提取MFCC特徵
繪圖顯示
繪製聲音波形
繪製頻譜圖
序言
Librosa是一個用於音訊、音樂分析、處理的python工具包，一些常見的時頻處理、特徵提取、繪製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係，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
直接使用原始碼安裝，需要提前下載原始碼（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
核心音訊處理函式
這部分介紹了最常用的音訊處理函式，包括音訊讀取函式load( )，重取樣函式resample( )，短時傅立葉變換stft( )，幅度轉換函式amplitude_to_db( )以及頻率轉換函式hz_to_mel( )等。這部分函式很多，詳細可參考librosa官網 http://librosa.github.io/ librosa/core.html
音訊處理
頻譜表示
幅度轉換
時頻轉換
特徵提取
本部分列舉了一些常用的頻譜特徵的提取方法，包括常見的Mel Spectrogram、MFCC、CQT等。函式詳細資訊可參考http:// librosa.github.io/librosa/feature.html
繪圖顯示
包含了常用的頻譜顯示函式specshow( ), 波形顯示函式waveplot( )，詳細資訊請參考http://librosa.github.io/librosa/display. html
三、常用功能程式碼實現
1.讀取音訊
#匯入庫
import librosa
# # 讀取音訊
# Load a wav file
y, sr = librosa.load('./sample.wav')
print(y)
#Librosa預設的取樣率是22050，如果需要讀取原始取樣率，需要設定引數sr=None:
print(sr)
y, sr = librosa.load('./sample.wav',sr=None)
#可見，'beat.wav'的原始取樣率為16000。如果需要重取樣，只需要將取樣率引數sr設定為你需要的值：
print(sr)
y, sr = librosa.load('./sample.wav',sr=18000)
print(sr)
2.提取特徵
提取Log-Mel Spectrogram 特徵
Log-Mel Spectrogram特徵是目前在語音識別和環境聲音識別中很常用的一個特徵，由於CNN在處理影像上展現了強大的能力，使得音訊訊號的頻譜圖特徵的使用愈加廣泛，甚至比MFCC使用的更多。在librosa中，Log-Mel Spectrogram特徵的提取只需幾行程式碼：
# # 提取特徵
# 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特徵是二維陣列的形式，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特徵是音訊訊號的時頻表示特徵。其中，n_fft指的是窗的大小，這裡為1024；hop_length表示相鄰窗之間的距離，這裡為512，也就是相鄰窗之間有50%的overlap；n_mels為mel bands的數量，這裡設為128。
3.提取MFCC特徵
MFCC特徵是一種在自動語音識別和說話人識別中廣泛使用的特徵。關於MFCC特徵的詳細資訊，有興趣的可以參考部落格http:// blog.csdn.net/zzc15806/article/details/79246716。在librosa中，提取MFCC特徵只需要一個函式：
# # 提取MFCC特徵
# extract mfcc feature
mfccs = librosa.feature.mfcc(y=y, sr=sr, n_mfcc=40)
print(mfccs)
print(mfccs.shape)
關於mfcc，這裡就不在贅述。
Librosa還有很多其他音訊特徵的提取方法，比如CQT特徵、chroma特徵等，在第二部分“librosa常用功能”給了詳細的介紹。
4.繪圖顯示
4.1繪製聲音波形
Librosa有顯示聲音波形函式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繪製頻譜圖
Librosa有顯示頻譜圖波形函式specshow( ):
# # 繪製頻譜圖
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製在一張圖表中：
# # 將聲音波形和頻譜圖繪製在一張圖表中：
# 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()
到這裡，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！！！