如何将wav文件转换为具有melspectogram的RGB图像？

Question

我正在使用1秒到4秒的wav文件进行声音分类。 我想将wav转换为224x224x3图像，我可以将其转换为Resnet进行分类 转换应使用半张图 感谢您的帮助

Answer 1

您可以使用librosa来生成像这样的mel频谱图：

import librosa
import matplotlib.pyplot as plt

y, sr = librosa.load(librosa.util.example_audio_file()) # your file
S = librosa.feature.melspectrogram(y=y, sr=sr, n_mels=128, fmax=8000)
librosa.display.specshow(librosa.power_to_db(S, ref=np.max), fmax=8000)
plt.savefig('mel.png')

请记住，尽管这些是错误的颜色，但RGB在这里没有意义-也没有任何多通道意义。使用可用于单个渠道的架构。