Question

我正在尝试对一首歌曲（wav格式的音频文件，大约3分钟）执行FFT，我创建如下，以防它是相关的。

ffmpeg -i "$1" -vn -ab 128k -ar 44100 -y -ac 1 "${1%.webm}.wav"

其中$1是webm文件的名称。

这是应该显示给定文件的FFT的代码：

import numpy as np
import matplotlib.pyplot as plt

# presume file already converted to wav.
file = os.path.join(temp_folder, file_name)

rate, aud_data = scipy.io.wavfile.read(file)

# wav file is mono.
channel_1 = aud_data[:]

fourier = np.fft.fft(channel_1)

plt.figure(1)
plt.plot(fourier)
plt.xlabel('n')
plt.ylabel('amplitude')
plt.show()

问题是，这需要永远。我需要很长时间才能显示输出，因为我有足够的时间来研究和撰写这篇文章但它还没有完成。

我认为文件太长了，因为

print (aud_data.shape)

输出(9218368,)，但这看起来像是一个真实世界的问题，所以我希望有办法以某种方式获得音频文件的FFT。

我做错了什么？谢谢。

修改

问题的一个更好的表述是：音乐处理的任何好处的FFT？例如2件的相似性。

正如评论中指出的那样，我的简单方法太慢了。

谢谢。

Answer 1

为了大大加快分析的fft部分，您可以将数据填零以达到2的幂：

import numpy as np
import matplotlib.pyplot as plt

# rate, aud_data = scipy.io.wavfile.read(file)
rate, aud_data = 44000, np.random.random((9218368,))

len_data = len(aud_data)

channel_1 = np.zeros(2**(int(np.ceil(np.log2(len_data)))))
channel_1[0:len_data] = aud_data

fourier = np.fft.fft(channel_1)

以下是使用上述方法绘制几个正弦波的傅里叶变换的实部的示例：

import numpy as np
import matplotlib.pyplot as plt

# rate, aud_data = scipy.io.wavfile.read(file)
rate = 44000
ii = np.arange(0, 9218368)
t = ii / rate
aud_data = np.zeros(len(t))
for w in [1000, 5000, 10000, 15000]:
    aud_data += np.cos(2 * np.pi * w * t)

# From here down, everything else can be the same
len_data = len(aud_data)

channel_1 = np.zeros(2**(int(np.ceil(np.log2(len_data)))))
channel_1[0:len_data] = aud_data

fourier = np.fft.fft(channel_1)
w = np.linspace(0, 44000, len(fourier))

# First half is the real component, second half is imaginary
fourier_to_plot = fourier[0:len(fourier)//2]
w = w[0:len(fourier)//2]

plt.figure(1)

plt.plot(w, fourier_to_plot)
plt.xlabel('frequency')
plt.ylabel('amplitude')
plt.show()

Python：对音乐文件

1 个答案: