在使用Librosa进行人声分离的情况下，可以单独绘制人声和背景音乐，但我想从人声部分提取音频，人声部分的频谱位于名为“S_foreground”的变量中（请访问上面的链接进行演示）。如何获得前景（人声）音频？
3084 次
2 回答
16
您可能已经注意到，S_foreground来自S_fullwhich 来自一个名为 的函数magphase。根据有关此功能的文档，它可以
将复值频谱图 D 分成其幅度 (S) 和相位 (P) 分量，使得 D = S * P。
由于magphasein 采用的实际参数
S_full, phase = librosa.magphase(librosa.stft(y))
是stft(y)，这是 的短时傅立叶变换y，初始ndarray，我认为你需要做的是计算一个新的D：
D_foreground = S_foreground * phase
并将其扔给逆 stft 函数 ( librosa.istft)：
y_foreground = librosa.istft(D_foreground)
之后，您可以使用输出功能：
librosa.output.write_wav(output_file_path, y_foreground, sr)
老实说，我对这些理论上的东西并不熟悉（我使用这种方法的输出质量差可能就是一个证明），但以上是我对如何导出音频的猜测。事实证明，保真度很差（至少在我的情况下），所以如果你真的关心音频质量，你可能想尝试其他一些软件。
于 2018-07-23T10:12:13.050 回答
0
@Alioth 的答案是有效的，除了：
librosa.output.write_wav(output_file_path, y_foreground, sr)
不推荐使用 librosa 中的输出方法，因此替代解决方案可能是声音文件：
import soundfile as sf
sf.write('your_output_path.wav', y_foreground, sr)
于 2022-02-02T12:34:29.773 回答