librosa能量_音频特征（1）：mfcc提取
发布时间
阅读量：
阅读量
除了调用FFmpeg来做多媒体开发，另一方面，是对音频特征进行研究。有很多具体的音频特征，比如频率、振幅、节拍(bpm)、过零率、短时能量、MFCC等，在很多时候，提取这些特征是进一步分析音频的基础。
如果你想对音频进行一个分类，比如分出快慢歌、分出爵士跟hiphop、分出钢琴与吉他、分出男高音与鸟叫声，等等，这时，基本上，你离不开音频特征的提取。在众多的音频特征中，频率与MFCC，是经常用到的两个特征。
本文主要介绍MFCC的概念，以及如何提取MFCC。
这里先回顾一下频率的概念，然后再介绍MFCC的提取。
(1)频率
频率，就是1秒内振动的次数。
音频的频率，反映了音调的高低，比如400HZ，相当于小蜜蜂嗡嗡的声音频率。
现在流行的机器学习，普遍以图片作为输入样本，所以把频率图像化是一个有效的办法。频率图像化，最自然的做法，就是绘制成频谱图，比如小程在另一篇文章介绍用python的pyplot来绘制，这个样子：
单通道的语谱图
但上面这个只是时域的频谱图，更常用的是频域的频谱图(或叫幅频图)，这里不展开。
一般来说，用于机器学习时，并不能把整个语谱图作为输入，还需要进行合理的切片，甚至是清洗处理，然后再作为输入，但这个不是这里的内容。
(2)MFCC
MFCC，Mel-FrequencyCepstralCoefficients，缩写为MFCC，梅尔频率倒谱系数。
MFCC是一组特征向量，反映了频谱的轮廓(包络)，可用于音色分类。从实用的角度，MFCCs，可以应用于音频分类的机器学习，作为输入样本数据。
接下来，小程使用python的librosa库，提取梅尔倒谱系数，并绘制成图片。跟上面介绍的频率一样，转成图片，是用于机器学习的一个有效的办法。
代码如下：
import matplotlib
matplotlib.use('TkAgg')
import matplotlib.pyplot as plt
import numpy, scipy, librosa, audioread, wave
import librosa.display
import sys, os
def showmfcc(wavpath):
t, spe = librosa.load(wavpath)
mfccs = librosa.feature.mfcc(t, sr=spe)
print(mfccs.shape)
librosa.display.specshow(mfccs, sr=spe, x_axis='time')
plt.show()
def decode2wav(srcname, outname):
f = audioread.audio_open(filename)
nsample = 0
for buf in f:
nsample += 1
f.close()
with audioread.audio_open(filename) as f:
print("input file: channels=%d, samplerate=%d, duration=%d" % (f.channels, f.samplerate, f.duration))
channels = f.channels
samplewidth = 2
samplerate = f.samplerate全部评论 (0)
还没有任何评论哟~