如何从梅尔频谱图转换 wav（音频）文件？

Question

我正在处理音频 ML 问题。我可以使用 tensorflow 的 this 文档将给定的音频从 WAV 转换为 MEL-Spectogram。

我的用例基本上比这多了一步。有了梅尔频谱图后，我想从中重建音频文件。简单的说，spectrogram to wav conversion.

有谁能帮帮我吗？

Answer 1

我找到了一个有效的解决方案，正如@ForamJ 在评论中所建议的那样，但是我花了 30 分钟来转换 1 分钟的音频。

# step1 - converting a wav file to numpy array and then converting that to mel-spectrogram
my_audio_as_np_array, my_sample_rate= librosa.load("audio1.wav")

# step2 - converting audio np array to spectrogram
spec = librosa.feature.melspectrogram(y=my_audio_as_np_array,
                                        sr=my_sample_rate, 
                                            n_fft=2048, 
                                            hop_length=512, 
                                            win_length=None, 
                                            window='hann', 
                                            center=True, 
                                            pad_mode='reflect', 
                                            power=2.0,
                                     n_mels=128)

# step3 converting mel-spectrogrma back to wav file
res = librosa.feature.inverse.mel_to_audio(spec, 
                                           sr=my_sample_rate, 
                                           n_fft=2048, 
                                           hop_length=512, 
                                           win_length=None, 
                                           window='hann', 
                                           center=True, 
                                           pad_mode='reflect', 
                                           power=2.0, 
                                           n_iter=32)

# step4 - save it as a wav file
import soundfile as sf
sf.write("test1.wav", res, sashi_sr)

如何从梅尔频谱图转换 wav（音频）文件？

How to convert wav (audio) file from mel spectrogram?

python

tensorflow

audio

spectrogram