使用 librosa 理解 STFT
STFT understanding using librosa
我有一个 8khz 采样率的大约 14 秒的音频样本。
我正在使用 librosa 从此音频文件中提取一些特征。
y, sr = librosa.load(file_name)
stft = np.abs(librosa.stft(y, n_fft=n_fft))
# file_length = 14.650022675736961 #sec
# defaults
# n_fft =2048
# hop_length = 512 # win_length/4 = n_fft/4 = 512 (win_length = n_fft default)
#windowsTime = n_fft * Ts # (1/sr)
stft.shape
# (1025, 631)
规格展：
librosa.display.specshow(stft, x_axis='time', y_axis='log')
[![stft sr = 22050][1]][1]
现在，
我能理解 STFT 的形状
631 time bins = are 4 * ( file_length / Ts * windowsTime) #overlapping
1025 frequency bins = Frames frequency gap sr/n_fft.
so there are 1025 frequencies in 0 to sr/2(Nyquest)
我无法理解的是两种不同采样率的不同情节
具有相同的比率。
1 - 22050 作为 librosa 默认值
2 - 8khz 作为采样率文件
y2, sr = librosa.load(file_name, sr=None)
n_fft2 =743 # (same ratio to get same visuals for comparsion)
hop_length = 186 # (1/4 n_fft by default)
stft2 = np.abs(librosa.stft(y2, n_fft=n_fft2))
所以 stft 的形状会有所不同
stft2.shape
# (372, 634)
[![stft sr = 743][2]][2]
1.但为什么绝对频率不一样？它是相同的信号，只是没有被过采样，所以每个样本都是独一无二的。
我错过了什么？是静态y轴吗？
2。我无法理解时间箱的价值。当第一个 1 在跳跃长度中并且第二个 bin 是从该点到文件末尾的 windowTime 时，我期望帧数中的 bin。但是单位很奇怪？
我希望能够在特定时间（帧）提取特定 Fbin 的幅度，或者另外能够对其中一些求和以获得时间范围的幅度。
因此，如果我取 stft[fBin 的数量]，这是 1 行的 1025 个 fBins (stft[1025]) 并查看它的内容，那么 stft[0] 包含 630 个点，正好是 630 个时间点每个频率因此每个帧 1-1025 将具有相同的时间点。
所以如果我取一个也适合所有其他 fbin（相同时间点）的样本，即 stft[0]
我将能够选择时间范围和 fBin 并获得特定的幅度：
times = librosa.core.frames_to_time(stft2[0], sr=sr2, n_fft=n_fft2, hop_length=hop_length)
fft_bin = 6
time_idx = 10
print('freq (Hz)', freqs[fft_bin])
print('time (s)', times[time_idx])
print('amplitude', stft[fft_bin, time_idx])
数组([0.047375, 0.047625, 0.04825 , 0.04825 , 0.046875, 0.04675 ,
0.05 , 0.051625 , 0.051 , 0.048 , 0.05225 , 0.050375 ,
0.04925 , 0.04725 , 0.051625 , 0.0465 , 0.05225 , 0.05 ,
0.053 , 0.053875 , 0.048 , 0.0485 , 0.047875 , 0.04775 ,
0.0485 , 0.049 , 0.051375, 0.047125, 0.051125, 0.047125,
0.04725 , 0.05025 , 0.05425 , 0.05475 , 0.051375 , 0.060375 ,
0.050625, 0.04875, 0.054125, 0.048, 0.05025, 0.052375,
0.04975 , 0.054125 , 0.055625 , 0.047125 , 0.0475 , 0.047 ,
0.049875、0.05025、0.048375、0.047、0.050625、0.05、
0.046625、0.04925、0.048、0.049125、0.05375、0.0545、
0.04925 , 0.049125 , 0.049125 , 0.049625 , 0.047 , 0.047625 ,
0.0535 , 0.051875 , 0.05075 , 0.04975 , 0.047375 , 0.049 ,
0.0485 , 0.050125 , 0.048 , 0.05475 , 0.05175 , 0.050125 ,
0.04725 , 0.0575 , 0.056875 , 0.047 , 0.0485 , 0.055375 ,
0.04975 , 0.047 , 0.0495 , 0.051375 , 0.04675 , 0.04925 ,
0.052125、0.04825、0.048125、0.046875、0.047、0.048625、
0.050875、0.05125、0.04825、0.052125、0.052375、0.05125、
0.049875, 0.048625, 0.04825 , 0.0475 , 0.048375, 0.050875,
0.052875、0.0475、0.0485、0.05225、0.053625、0.05075、
0.0525 , 0.047125 , 0.0485 , 0.048875 , 0.049 , 0.0515 ,
0.055875、0.0515、0.05025、0.05125、0.054625、0.05525、
0.047 , 0.0545 , 0.052375, 0.049875, 0.051 , 0.048625,
0.0475 , 0.048 , 0.048875, 0.050625, 0.05375 , 0.051875,
0.048125, 0.052125, 0.048125, 0.051, 0.052625, 0.048375,
0.047625, 0.05, 0.048125, 0.050375, 0.049125, 0.053125,
0.053875、0.05075、0.052375、0.048875、0.05325、0.05825、
0.055625、0.0465、0.05475、0.051125、0.048375、0.0505、
0.04675 , 0.0495 , 0.04725 , 0.046625 , 0.049625 , 0.054 ,
0.056125、0.05175、0.050625、0.050375、0.047875、0.047、
0.048125、0.048875、0.050625、0.049875、0.047、0.0505、
0.047 , 0.053125 , 0.047625 , 0.05025 , 0.04825 , 0.05275 ,
0.051625, 0.05, 0.051625, 0.05425, 0.052, 0.04775,
0.047 , 0.049125 , 0.05375 , 0.0535 , 0.04925 , 0.05125 ,
0.046375, 0.04775 , 0.04775 , 0.0465 , 0.047 , 0.04675 ,
0.04675 , 0.04925 , 0.05125 , 0.046375 , 0.04825 , 0.0525 ,
0.057875、0.056375、0.054375、0.04825、0.0535、0.05475、
0.0485 , 0.048875 , 0.048625 , 0.0485 , 0.047625 , 0.046875 ,
0.0465 , 0.05125 , 0.054 , 0.05 , 0.048 , 0.047875,
0.0515 , 0.048125, 0.055875, 0.054875, 0.051625, 0.048125,
0.047625、0.048375、0.052875、0.0485、0.0475、0.0495、
0.05025 , 0.05675 , 0.0585 , 0.051625 , 0.05625 , 0.0605 ,
0.052125、0.0495、0.049、0.047875、0.051375、0.054125、
0.0525 , 0.0515 , 0.057875 , 0.055 , 0.05375 , 0.046375 ,
0.04775 , 0.0485 , 0.050125, 0.050875, 0.04925 , 0.049125,
0.0465 , 0.04975 , 0.053375 , 0.05225 , 0.0475 , 0.046375 ,
0.05375, 0.049875, 0.049875, 0.047375, 0.049125, 0.049375,
0.04875 , 0.048125 , 0.05075 , 0.0505 , 0.046375 , 0.047375 ,
0.048625、0.0485、0.047125、0.052625、0.051125、0.04725、
0.050875、0.053875、0.0475、0.0495、0.051、0.055、
0.053 , 0.050125 , 0.04675 , 0.05375 , 0.054375 , 0.04725 ,
0.046875、0.04925、0.04725、0.0495、0.05075、0.050875、
0.04775 , 0.05125 , 0.050125 , 0.047875 , 0.04825 , 0.046625 ,
0.0475 , 0.046375 , 0.04775 , 0.05075 , 0.048125 , 0.046375 ,
0.049625、0.0495、0.04675、0.046625、0.0475、0.04825、
0.053, 0.050875, 0.049, 0.057875, 0.058875, 0.049875,
0.049125, 0.0475, 0.05225, 0.055, 0.055375, 0.053875,
0.051125、0.049875、0.05025、0.050875、0.049、0.0575、
0.051875、0.049375、0.04775、0.051125、0.050375、0.0465、
0.047375、0.0465、0.046375、0.048875、0.051875、0.047、
0.047125, 0.047125, 0.046875, 0.049625, 0.048625, 0.051 ,
0.049 , 0.046375, 0.049 , 0.056125, 0.054625, 0.047625,
0.046625, 0.0475, 0.051875, 0.05175, 0.047625, 0.050375,
0.055125、0.05275、0.047125、0.05325、0.060125、0.056625、
0.053 , 0.052125 , 0.047125 , 0.04825 , 0.050375 , 0.05025 ,
0.048 , 0.046625 , 0.047125 , 0.04875 , 0.047 , 0.05525 ,
0.0535 , 0.047 , 0.0495 , 0.0535 , 0.05125 , 0.046625 ,
0.0495 , 0.04675 , 0.04875 , 0.047125 , 0.04975 , 0.047 ,
0.049875、0.046875、0.047125、0.048、0.046375、0.0495、
0.04975 , 0.05125 , 0.048375 , 0.049125 , 0.0515 , 0.048375 ,
0.052375, 0.051125, 0.046375, 0.047125, 0.050375, 0.0465 ,
0.052375、0.05375、0.04925、0.05025、0.0565、0.054875、
0.048, 0.049375, 0.052625, 0.055375, 0.053375, 0.05075,
0.048875、0.05475、0.05075、0.0485、0.049125、0.0475、
0.047375、0.047375、0.047、0.052125、0.053875、0.049、
0.052625, 0.0485 , 0.04675 , 0.04875 , 0.05 , 0.0545 ,
0.05025 , 0.0495 , 0.0515 , 0.0485 , 0.05025 , 0.0465 ,
0.0465 , 0.048375 , 0.06375 , 0.10175 , 0.11975 , 0.118375 ,
0.121375、0.12675、0.123、0.095375、0.055、0.05525、
0.04775 , 0.053125 , 0.052375 , 0.056625 , 0.0565 , 0.046875 ,
0.048 , 0.05175 , 0.048 , 0.052 , 0.048 , 0.048 ,
0.05175 , 0.05025 , 0.049625, 0.049625, 0.047375, 0.046625,
0.052375, 0.0555, 0.051375, 0.050625, 0.052375, 0.050125,
0.048 , 0.052125 , 0.052125 , 0.0495 , 0.048875 , 0.048 ,
0.049875、0.051125、0.050625、0.048、0.0465、0.048、
0.04675 , 0.050875 , 0.048 , 0.046625 , 0.0495 , 0.050375 ,
0.046625, 0.0515, 0.049875, 0.049625, 0.04675, 0.049125,
0.05025 , 0.050375 , 0.04725 , 0.047625 , 0.047 , 0.051625 ,
0.0485 , 0.05225 , 0.046875 , 0.0475 , 0.04825 , 0.050375 ,
0.05725 , 0.052375 , 0.048 , 0.046375 , 0.0475 , 0.0495 ,
0.047875, 0.046375, 0.049875, 0.046875, 0.048, 0.046875,
0.048625、0.047125、0.046625、0.05、0.048875、0.04675、
0.050125、0.05425、0.051375、0.050125、0.053375、0.052、
0.053875, 0.048, 0.05575, 0.049875, 0.052125, 0.048875,
0.047375, 0.048875, 0.049125, 0.047375, 0.047375, 0.047625,
0.0495 , 0.04825 , 0.047875 , 0.04875 , 0.054 , 0.052125 ,
0.051 , 0.046625 , 0.04925 , 0.05075 , 0.054375 , 0.0555 ,
0.051625, 0.046625, 0.052125, 0.055875, 0.047, 0.053875,
0.050875、0.0505、0.0465、0.053125、0.050875、0.050625、
0.051125, 0.050875, 0.056875, 0.04925, 0.050625, 0.054125,
0.056625、0.05025、0.0465、0.04675、0.049625、0.047、
0.048375、0.047125、0.04875、0.048375、0.048875、0.04775、
0.04775, 0.047, 0.052125, 0.050875, 0.054, 0.058375,
0.054 , 0.049125 , 0.04675 , 0.051875 , 0.05425 , 0.050125 ,
0.04675 , 0.047625 , 0.046375 , 0.05275 , 0.053 , 0.04875 ,
0.049125、0.047125、0.049375、0.0475、0.051125、0.0495、
0.052375, 0.047, 0.047125, 0.050875])
[1]: https://i.imgur.com/OeKzvrb.png
[2]: https://i.imgur.com/ALtba5F.png
问题 1：
使用时需要指定采样率specshow:
librosa.display.specshow(stft, x_axis='time', y_axis='log', sr=sr)
否则将使用默认值 (22,050 Hz)（参见 docs）。
问题 2：
librosa.core.frames_to_time 不以 stft[0] 作为参数，这将是第一帧的频率仓。相反，它将 帧数 作为第一个参数。
假设您有一个 sr=10000 赫兹的音频信号。然后你 运行 使用 n_fft=2000 和 hop_length=1000 对其进行 STFT。然后你得到一个 frame 一跳，一跳是 0.1s 长，因为 10000 个样本对应 1s 而 1000 个样本（1 跳）因此对应 0.1s.
stft[0] 不是帧数。相反，第一个 stft 的形状是 (1 + n_fft/2, t)（参见 here）。这意味着第一个维度是频点，第二个维度是帧数（t）。
因此 stft 中的总帧数为 stft.shape[1]。
要获取源音频的长度，您可以这样做：
time = librosa.core.frames_to_time(stft.shape[1], sr=sr, hop_length=hop_length, n_fft=n_fft)
我有一个 8khz 采样率的大约 14 秒的音频样本。 我正在使用 librosa 从此音频文件中提取一些特征。
y, sr = librosa.load(file_name)
stft = np.abs(librosa.stft(y, n_fft=n_fft))
# file_length = 14.650022675736961 #sec
# defaults
# n_fft =2048
# hop_length = 512 # win_length/4 = n_fft/4 = 512 (win_length = n_fft default)
#windowsTime = n_fft * Ts # (1/sr)
stft.shape
# (1025, 631)
规格展：
librosa.display.specshow(stft, x_axis='time', y_axis='log')
[![stft sr = 22050][1]][1]
现在， 我能理解 STFT 的形状
631 time bins = are 4 * ( file_length / Ts * windowsTime) #overlapping
1025 frequency bins = Frames frequency gap sr/n_fft.
so there are 1025 frequencies in 0 to sr/2(Nyquest)
我无法理解的是两种不同采样率的不同情节 具有相同的比率。 1 - 22050 作为 librosa 默认值 2 - 8khz 作为采样率文件
y2, sr = librosa.load(file_name, sr=None)
n_fft2 =743 # (same ratio to get same visuals for comparsion)
hop_length = 186 # (1/4 n_fft by default)
stft2 = np.abs(librosa.stft(y2, n_fft=n_fft2))
所以 stft 的形状会有所不同
stft2.shape
# (372, 634)
[![stft sr = 743][2]][2]
1.但为什么绝对频率不一样？它是相同的信号，只是没有被过采样，所以每个样本都是独一无二的。 我错过了什么？是静态y轴吗？
2。我无法理解时间箱的价值。当第一个 1 在跳跃长度中并且第二个 bin 是从该点到文件末尾的 windowTime 时，我期望帧数中的 bin。但是单位很奇怪？
我希望能够在特定时间（帧）提取特定 Fbin 的幅度，或者另外能够对其中一些求和以获得时间范围的幅度。
因此，如果我取 stft[fBin 的数量]，这是 1 行的 1025 个 fBins (stft[1025]) 并查看它的内容，那么 stft[0] 包含 630 个点，正好是 630 个时间点每个频率因此每个帧 1-1025 将具有相同的时间点。
所以如果我取一个也适合所有其他 fbin（相同时间点）的样本，即 stft[0] 我将能够选择时间范围和 fBin 并获得特定的幅度：
times = librosa.core.frames_to_time(stft2[0], sr=sr2, n_fft=n_fft2, hop_length=hop_length)
fft_bin = 6
time_idx = 10
print('freq (Hz)', freqs[fft_bin])
print('time (s)', times[time_idx])
print('amplitude', stft[fft_bin, time_idx])
数组([0.047375, 0.047625, 0.04825 , 0.04825 , 0.046875, 0.04675 , 0.05 , 0.051625 , 0.051 , 0.048 , 0.05225 , 0.050375 , 0.04925 , 0.04725 , 0.051625 , 0.0465 , 0.05225 , 0.05 , 0.053 , 0.053875 , 0.048 , 0.0485 , 0.047875 , 0.04775 , 0.0485 , 0.049 , 0.051375, 0.047125, 0.051125, 0.047125, 0.04725 , 0.05025 , 0.05425 , 0.05475 , 0.051375 , 0.060375 , 0.050625, 0.04875, 0.054125, 0.048, 0.05025, 0.052375, 0.04975 , 0.054125 , 0.055625 , 0.047125 , 0.0475 , 0.047 , 0.049875、0.05025、0.048375、0.047、0.050625、0.05、 0.046625、0.04925、0.048、0.049125、0.05375、0.0545、 0.04925 , 0.049125 , 0.049125 , 0.049625 , 0.047 , 0.047625 , 0.0535 , 0.051875 , 0.05075 , 0.04975 , 0.047375 , 0.049 , 0.0485 , 0.050125 , 0.048 , 0.05475 , 0.05175 , 0.050125 , 0.04725 , 0.0575 , 0.056875 , 0.047 , 0.0485 , 0.055375 , 0.04975 , 0.047 , 0.0495 , 0.051375 , 0.04675 , 0.04925 , 0.052125、0.04825、0.048125、0.046875、0.047、0.048625、 0.050875、0.05125、0.04825、0.052125、0.052375、0.05125、 0.049875, 0.048625, 0.04825 , 0.0475 , 0.048375, 0.050875, 0.052875、0.0475、0.0485、0.05225、0.053625、0.05075、 0.0525 , 0.047125 , 0.0485 , 0.048875 , 0.049 , 0.0515 , 0.055875、0.0515、0.05025、0.05125、0.054625、0.05525、 0.047 , 0.0545 , 0.052375, 0.049875, 0.051 , 0.048625, 0.0475 , 0.048 , 0.048875, 0.050625, 0.05375 , 0.051875, 0.048125, 0.052125, 0.048125, 0.051, 0.052625, 0.048375, 0.047625, 0.05, 0.048125, 0.050375, 0.049125, 0.053125, 0.053875、0.05075、0.052375、0.048875、0.05325、0.05825、 0.055625、0.0465、0.05475、0.051125、0.048375、0.0505、 0.04675 , 0.0495 , 0.04725 , 0.046625 , 0.049625 , 0.054 , 0.056125、0.05175、0.050625、0.050375、0.047875、0.047、 0.048125、0.048875、0.050625、0.049875、0.047、0.0505、 0.047 , 0.053125 , 0.047625 , 0.05025 , 0.04825 , 0.05275 , 0.051625, 0.05, 0.051625, 0.05425, 0.052, 0.04775, 0.047 , 0.049125 , 0.05375 , 0.0535 , 0.04925 , 0.05125 , 0.046375, 0.04775 , 0.04775 , 0.0465 , 0.047 , 0.04675 , 0.04675 , 0.04925 , 0.05125 , 0.046375 , 0.04825 , 0.0525 , 0.057875、0.056375、0.054375、0.04825、0.0535、0.05475、 0.0485 , 0.048875 , 0.048625 , 0.0485 , 0.047625 , 0.046875 , 0.0465 , 0.05125 , 0.054 , 0.05 , 0.048 , 0.047875, 0.0515 , 0.048125, 0.055875, 0.054875, 0.051625, 0.048125, 0.047625、0.048375、0.052875、0.0485、0.0475、0.0495、 0.05025 , 0.05675 , 0.0585 , 0.051625 , 0.05625 , 0.0605 , 0.052125、0.0495、0.049、0.047875、0.051375、0.054125、 0.0525 , 0.0515 , 0.057875 , 0.055 , 0.05375 , 0.046375 , 0.04775 , 0.0485 , 0.050125, 0.050875, 0.04925 , 0.049125, 0.0465 , 0.04975 , 0.053375 , 0.05225 , 0.0475 , 0.046375 , 0.05375, 0.049875, 0.049875, 0.047375, 0.049125, 0.049375, 0.04875 , 0.048125 , 0.05075 , 0.0505 , 0.046375 , 0.047375 , 0.048625、0.0485、0.047125、0.052625、0.051125、0.04725、 0.050875、0.053875、0.0475、0.0495、0.051、0.055、 0.053 , 0.050125 , 0.04675 , 0.05375 , 0.054375 , 0.04725 , 0.046875、0.04925、0.04725、0.0495、0.05075、0.050875、 0.04775 , 0.05125 , 0.050125 , 0.047875 , 0.04825 , 0.046625 , 0.0475 , 0.046375 , 0.04775 , 0.05075 , 0.048125 , 0.046375 , 0.049625、0.0495、0.04675、0.046625、0.0475、0.04825、 0.053, 0.050875, 0.049, 0.057875, 0.058875, 0.049875, 0.049125, 0.0475, 0.05225, 0.055, 0.055375, 0.053875, 0.051125、0.049875、0.05025、0.050875、0.049、0.0575、 0.051875、0.049375、0.04775、0.051125、0.050375、0.0465、 0.047375、0.0465、0.046375、0.048875、0.051875、0.047、 0.047125, 0.047125, 0.046875, 0.049625, 0.048625, 0.051 , 0.049 , 0.046375, 0.049 , 0.056125, 0.054625, 0.047625, 0.046625, 0.0475, 0.051875, 0.05175, 0.047625, 0.050375, 0.055125、0.05275、0.047125、0.05325、0.060125、0.056625、 0.053 , 0.052125 , 0.047125 , 0.04825 , 0.050375 , 0.05025 , 0.048 , 0.046625 , 0.047125 , 0.04875 , 0.047 , 0.05525 , 0.0535 , 0.047 , 0.0495 , 0.0535 , 0.05125 , 0.046625 , 0.0495 , 0.04675 , 0.04875 , 0.047125 , 0.04975 , 0.047 , 0.049875、0.046875、0.047125、0.048、0.046375、0.0495、 0.04975 , 0.05125 , 0.048375 , 0.049125 , 0.0515 , 0.048375 , 0.052375, 0.051125, 0.046375, 0.047125, 0.050375, 0.0465 , 0.052375、0.05375、0.04925、0.05025、0.0565、0.054875、 0.048, 0.049375, 0.052625, 0.055375, 0.053375, 0.05075, 0.048875、0.05475、0.05075、0.0485、0.049125、0.0475、 0.047375、0.047375、0.047、0.052125、0.053875、0.049、 0.052625, 0.0485 , 0.04675 , 0.04875 , 0.05 , 0.0545 , 0.05025 , 0.0495 , 0.0515 , 0.0485 , 0.05025 , 0.0465 , 0.0465 , 0.048375 , 0.06375 , 0.10175 , 0.11975 , 0.118375 , 0.121375、0.12675、0.123、0.095375、0.055、0.05525、 0.04775 , 0.053125 , 0.052375 , 0.056625 , 0.0565 , 0.046875 , 0.048 , 0.05175 , 0.048 , 0.052 , 0.048 , 0.048 , 0.05175 , 0.05025 , 0.049625, 0.049625, 0.047375, 0.046625, 0.052375, 0.0555, 0.051375, 0.050625, 0.052375, 0.050125, 0.048 , 0.052125 , 0.052125 , 0.0495 , 0.048875 , 0.048 , 0.049875、0.051125、0.050625、0.048、0.0465、0.048、 0.04675 , 0.050875 , 0.048 , 0.046625 , 0.0495 , 0.050375 , 0.046625, 0.0515, 0.049875, 0.049625, 0.04675, 0.049125, 0.05025 , 0.050375 , 0.04725 , 0.047625 , 0.047 , 0.051625 , 0.0485 , 0.05225 , 0.046875 , 0.0475 , 0.04825 , 0.050375 , 0.05725 , 0.052375 , 0.048 , 0.046375 , 0.0475 , 0.0495 , 0.047875, 0.046375, 0.049875, 0.046875, 0.048, 0.046875, 0.048625、0.047125、0.046625、0.05、0.048875、0.04675、 0.050125、0.05425、0.051375、0.050125、0.053375、0.052、 0.053875, 0.048, 0.05575, 0.049875, 0.052125, 0.048875, 0.047375, 0.048875, 0.049125, 0.047375, 0.047375, 0.047625, 0.0495 , 0.04825 , 0.047875 , 0.04875 , 0.054 , 0.052125 , 0.051 , 0.046625 , 0.04925 , 0.05075 , 0.054375 , 0.0555 , 0.051625, 0.046625, 0.052125, 0.055875, 0.047, 0.053875, 0.050875、0.0505、0.0465、0.053125、0.050875、0.050625、 0.051125, 0.050875, 0.056875, 0.04925, 0.050625, 0.054125, 0.056625、0.05025、0.0465、0.04675、0.049625、0.047、 0.048375、0.047125、0.04875、0.048375、0.048875、0.04775、 0.04775, 0.047, 0.052125, 0.050875, 0.054, 0.058375, 0.054 , 0.049125 , 0.04675 , 0.051875 , 0.05425 , 0.050125 , 0.04675 , 0.047625 , 0.046375 , 0.05275 , 0.053 , 0.04875 , 0.049125、0.047125、0.049375、0.0475、0.051125、0.0495、 0.052375, 0.047, 0.047125, 0.050875])
[1]: https://i.imgur.com/OeKzvrb.png
[2]: https://i.imgur.com/ALtba5F.png
问题 1：
使用时需要指定采样率specshow:
librosa.display.specshow(stft, x_axis='time', y_axis='log', sr=sr)
否则将使用默认值 (22,050 Hz)（参见 docs）。
问题 2：
librosa.core.frames_to_time 不以 stft[0] 作为参数，这将是第一帧的频率仓。相反，它将 帧数 作为第一个参数。
假设您有一个 sr=10000 赫兹的音频信号。然后你 运行 使用 n_fft=2000 和 hop_length=1000 对其进行 STFT。然后你得到一个 frame 一跳，一跳是 0.1s 长，因为 10000 个样本对应 1s 而 1000 个样本（1 跳）因此对应 0.1s.
stft[0] 不是帧数。相反，第一个 stft 的形状是 (1 + n_fft/2, t)（参见 here）。这意味着第一个维度是频点，第二个维度是帧数（t）。
因此 stft 中的总帧数为 stft.shape[1]。
要获取源音频的长度，您可以这样做：
time = librosa.core.frames_to_time(stft.shape[1], sr=sr, hop_length=hop_length, n_fft=n_fft)