python librosa包 - 如何从频谱中提取音频

Question

在使用Librosa进行人声分离的情况下，可以单独绘制声乐和背景音乐，但我想从声乐部分提取音频，声乐部分的频谱位于名为＆＃39;的变量中。 S_foreground＆＃39; （请访问以上链接进行演示）。如何获得前景（人声）音频？

Answer 1

您可能已经注意到S_foreground来自S_full，而magphase来自名为magphase的函数。根据有关此功能的文档，

  

将复值频谱图D分离为其幅度（S）和相位（P）分量，以使D = S * P。

由于S_full, phase = librosa.magphase(librosa.stft(y))在

中采用了实际参数

stft(y)

是y，它是ndarray的短时傅立叶变换，是初始的D，我认为您需要做的是计算一个新的D_foreground = S_foreground * phase ：

librosa.istft

并将其扔给逆stft函数（y_foreground = librosa.istft(D_foreground)）：

librosa.output.write_wav(output_file_path, y_foreground, sr)

之后，您可以使用输出功能：

for k in range(13,ag19): pyautogui.typewrite('f-'k)

说实话，我对这些理论知识并不熟悉（我使用这种方法的较差的输出质量可能是一个证明），但是以上是我对如何导出音频的猜测。事实证明，保真度非常差（至少就我而言），因此，如果您真的在乎音频质量，则可能需要尝试其他软件。