为什么来自 librosa 库的频谱图的持续时间是实际音轨的两倍？

Question

我正在使用以下代码从大约 30 秒的录制音频信号中获取 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 spectrogram

你能解释一下为什么时间轴描绘了两倍的持续时间（应该是 30 秒）。代码出了什么问题？

Answer 1

您需要将采样率传递给librosa.display.specshow (sr=self.SamplingFrequency)。如果不是，它默认为 20050，如果 self.SamplingFrequency 是不同的值，它将显示错误的长度。

Answer 2

您的 librosa.display.spechow 应包括参数：采样率 sr=<your_sampling_rate> 以及跳跃大小 hop_size=<your_hop_size>。这些参数的默认值分别为 22050 和 512。未正确设置它们会导致生成的频谱图中的 x 轴不正确。

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

为什么来自 librosa 库的频谱图的持续时间是实际音轨的两倍？

Why spectrogram from librosa library have twice the time duration of the actual audio track?

python

audio

spectrogram

librosa