在这里，我想使用sox将flac文件转换为Spectogram png文件。当我想转换.flac文件时，我可以使用以下命令
sox output.flac -n spectrogram -r -o a.png
如果我想转换成N x 129像素的光谱图，我可以使用以下命令
sox output.flac -n spectrogram -Y 200 -X 50 -m -r -o spectogram.png
但是，我并不完全明白-Y 200和-X 50参数是什么意思，即有没有办法可以将这些参数转换为采样频率，时间段（以毫秒为单位）以及频率像在Matlab或Python中一样。如果有人可以在这里详细回答，那将是很好的，因为chirlu/sox中的文档没有明确说明它的含义（或者我没有明确地找到它）。
答案 0 :(得分：2)
官方sox manual完整地描述了参数，源代码在这里spectrogram.c。
但简单地说：
-X num：
X轴像素/秒;默认值是自动计算以适合给定的 或已知的X轴大小的音频持续时间，否则为100。如果给出 与-d一起使用时，此选项会影响。的宽度 频谱;否则，它会影响频谱图的持续时间。 num可以是1（低时间分辨率）到5000（高时间分辨率） 并且不必是整数。
和
-Y num：
设置光谱图的目标总高度。默认值为550 像素。使用此选项（默认情况下），SoX将 为一个光谱图通道选择一个高度 比一个2的幂，所以实际的总高度可能会低于 给定的数字。
对于-X 50，水平时间分辨率为：
dt = 1000/50 = 20 ms/pixel
对于-Y 200，小于200的最大功率为128.假设采样率为44.1 kHz，则频率分辨率为：
bin_size = 44100/128 = 344.5 Hz