问题标签 [librosa]

我在一首30秒的歌曲上计算了MFCC，帧大小为25ms，跳数为10ms，采样率为22050

然后，我对同一首歌的 1 秒片段做了同样的事情。但是当我在长曲中搜索短曲的系数时，使用滑动窗口，我从来没有得到完美或相当完美的匹配。

可能是什么问题呢？我错过了什么？

我希望有人可以帮助我解决我遇到的问题。我正在尝试加载多个（即 3 个）音频文件并使用 Python 的 Librosa 库绘制它们。我无法在这里发现错误。

以上产生错误：

有人指出这可能是导致问题的 y 类型，但我在这里找不到任何明显的错误。

欢迎任何建议，因为事实证明这对我来说是一个巨大的时间浪费。

我正在使用 Librosa 函数librosa.output.write_wav将时间序列输出为 .wav 文件，然后尝试在 pydub 中打开它，但 pydub 正在抛出一条FileNotFoundError消息（见下文）。*.wav 文件绝对与我的 Jupyter 笔记本 ( convert_spect_to_wav.ipynb) 位于同一目录中。奇怪的是，如果我输入不是由 Librosa 生成的 *.wav 文件，我的代码工作得非常好。我可以收听 Librosa *.wav 文件，所以我不知道 Librosa 做了什么奇怪的事情导致 pydub 找不到 Librosa *.wav 文件。

目录

FileNotFound错误信息

不知道为什么pydub找不到Librosa输出的*.wav文件。问题仅在于 Librosa *.wav 文件，因为其他 *.wav 文件可以正常工作。有没有其他人遇到过这个？

这里有一些相关代码：write_time_series_to_wav创建 Librosa *.wav 文件，stitch_wavs_together这是我尝试使用 pydub 读取 Librosa *.wav 文件的地方，并convert_spect_to_wav调用这两个函数。

任何帮助或输入表示赞赏！

参考：https ://github.com/librosa/librosa/blob/master/examples/LibROSA%20demo.ipynb

代码 ：

错误我得到：

我正在使用 Python 将元素与音乐隔离开来。训练一个模型，我将我的音频分成几帧，每帧都有一个标签 - 1 或 0。不幸的是，由于舍入错误，我的标签总是短 1 或 2 帧。

将我的音频转换为帧，我得到一个值 (13, 3709)

将我的文本文件（对于我正在使用的 mp3）从毫秒转换为帧数，我得到一个向量值 3708。

我曾尝试使用Decimal,math.floor以及math.ceil在我的block_start和block_stop变量中，但我似乎无法匹配我的音频帧长度。

我正在生成大量 mel 频谱图来训练 NN 进行音素检测。

每个 mel 频谱图（在 Python 中使用 librosa.core.melspectrogram 生成）都表示为一个 2D numpy 数组，其中轴 1（向量的长度）因频谱图而异。它们的形状从 (128, 2) 到 (128, 200) 不等。

为了生成 3D 数组，所有频谱图必须具有相同的形状，所以我猜我应该将零添加到小于 200 的向量的末端。然后我可以将它们全部添加到 Python 列表中，调用np.array 就可以生成一个 3D numpy 数组，对吧？

我自己尝试过，但没有成功。感谢所有帮助。

编辑：（已请求代码，这基本上是我想要做的）

我有一个关于loadlibrosa 的read功能和scipy.io.wavfile.

导入的语音文件是同一个文件。如果你运行上面的代码，两个函数出来的数据值是不同的。我想知道为什么数据的价值不同。

我正在尝试使用 Librosa 从音频文件中提取特征，以作为 Numpy 数组馈送到 CNN。

目前，我一次保存一个特征以输入 CNN。我使用以下方法在 Python 中保存二维（单通道）对数缩放的梅尔谱图特征Librosa：

这给出了形状(1,128,323,1)。

我想添加另一个功能，比如说一个tempogram. 我可以做到这一点，使用相同的代码，但将melspectrogram替换为tempogram'，并将窗口长度设置为128.

这给了我一个tempogram形状(1,128,323,1)。

现在我想将这 2 个特征层“堆叠”成一个多通道 numpy 对象，我可以将其输入 Keras 中的 CNN。

我应该如何编码？

编辑：

想我想通了，使用 np.vstack()

我一直在搜索很长时间，但看不到任何与 Apache Spark 集成的音乐特征提取技术（如频谱质心、频谱带宽等）的实现。我正在使用这些特征提取技术，这个过程需要很多时间来制作音乐。我想通过使用 Spark 来并行化和加速这个过程。我做了一些工作，但无法加快速度。我想得到光谱质心法的算术平均值和标准差。这是我到目前为止所做的。

程序的输出如下。

所以，即使我并行化了数组 y（音乐信号数组），我也无法加快这个过程。这需要更长的时间。我不明白为什么。我是 Spark 概念的新手。我想在这个过程中使用 GPU，但也无法实现。谁能帮我理解我做错了什么？

我正在尝试制作歌曲的波形。并将其显示在由 PyQt 包装的 matplotlib 窗口中，但我一直遇到错误：

这发生在我尝试这样做时：

与我导入 pyplot 时不同，它不会在调用时自行添加到绘图中waveform。所以这就是问题所在，使用 add_collection，我可以用谷歌搜索的唯一方法对我来说效果不佳。

附加信息，col是一个PolyCollection.

这是代码完整代码：