如何像 FFMPEG 一样从 Python 中的音频文件创建频谱图图像？
How to create a spectrogram image from an audio file in Python just like how FFMPEG does?
我的代码：
import matplotlib.pyplot as plt
from matplotlib.pyplot import specgram
import librosa
import librosa.display
import numpy as np
import io
from PIL import Image
samples, sample_rate = librosa.load('thabo.wav')
fig = plt.figure(figsize=[4, 4])
ax = fig.add_subplot(111)
ax.axes.get_xaxis().set_visible(False)
ax.axes.get_yaxis().set_visible(False)
ax.set_frame_on(False)
S = librosa.feature.melspectrogram(y=samples, sr=sample_rate)
librosa.display.specshow(librosa.power_to_db(S, ref=np.max))
buf = io.BytesIO()
plt.savefig(buf, bbox_inches='tight',pad_inches=0)
# plt.close('all')
buf.seek(0)
im = Image.open(buf)
# im = Image.open(buf).convert('L')
im.show()
buf.close()
生成的频谱图
使用 FFMPEG
ffmpeg -i thabo.wav -lavfi showspectrumpic=s=224x224:mode=separate:legend=disabled spectrogram.png
生成的频谱图
请帮忙，我想要一个与 FFMPEG 生成的完全相同的声谱图，用于从 google 的教学机器导出的语音识别模型。
Offline recognition
您可以将音频直接通过管道传输到 ffmpeg，这将避免中间文件，如果您想避免图像文件输出，ffmpeg 也可以输出到管道。
使用 ffmpeg 的三个实例进行演示：
ffmpeg -i input.wav -f wav - | ffmpeg -i - -filter_complex "showspectrumpic=s=224x224:mode=separate:legend=disabled" -c:v png -f image2pipe - | ffmpeg -y -i - output.png
当然，第一个和最后一个 ffmpeg 个实例将替换为您的工作流程的特定流程。
我的代码：
import matplotlib.pyplot as plt
from matplotlib.pyplot import specgram
import librosa
import librosa.display
import numpy as np
import io
from PIL import Image
samples, sample_rate = librosa.load('thabo.wav')
fig = plt.figure(figsize=[4, 4])
ax = fig.add_subplot(111)
ax.axes.get_xaxis().set_visible(False)
ax.axes.get_yaxis().set_visible(False)
ax.set_frame_on(False)
S = librosa.feature.melspectrogram(y=samples, sr=sample_rate)
librosa.display.specshow(librosa.power_to_db(S, ref=np.max))
buf = io.BytesIO()
plt.savefig(buf, bbox_inches='tight',pad_inches=0)
# plt.close('all')
buf.seek(0)
im = Image.open(buf)
# im = Image.open(buf).convert('L')
im.show()
buf.close()
生成的频谱图
使用 FFMPEG
ffmpeg -i thabo.wav -lavfi showspectrumpic=s=224x224:mode=separate:legend=disabled spectrogram.png
生成的频谱图
请帮忙，我想要一个与 FFMPEG 生成的完全相同的声谱图，用于从 google 的教学机器导出的语音识别模型。 Offline recognition
您可以将音频直接通过管道传输到 ffmpeg，这将避免中间文件，如果您想避免图像文件输出，ffmpeg 也可以输出到管道。
使用 ffmpeg 的三个实例进行演示：
ffmpeg -i input.wav -f wav - | ffmpeg -i - -filter_complex "showspectrumpic=s=224x224:mode=separate:legend=disabled" -c:v png -f image2pipe - | ffmpeg -y -i - output.png
当然，第一个和最后一个 ffmpeg 个实例将替换为您的工作流程的特定流程。