我有一个8khz采样率的音频采样，大约14秒。 我正在使用librosa从该音频文件中提取一些功能。
y, sr = librosa.load(file_name)
stft = np.abs(librosa.stft(y, n_fft=n_fft))
# file_length = 14.650022675736961 #sec
# defaults
# n_fft =2048
# hop_length = 512 # win_length/4 = n_fft/4 = 512 (win_length = n_fft default)
#windowsTime = n_fft * Ts # (1/sr)
stft.shape
# (1025, 631)
Specshow：
librosa.display.specshow(stft, x_axis='time', y_axis='log')
[！[stft sr = 22050] [1]] [1]
现在， 我可以理解STFT的形状
631 time bins = are 4 * ( file_length / Ts * windowsTime) #overlapping
1025 frequency bins = Frames frequency gap sr/n_fft.
so there are 1025 frequencies in 0 to sr/2(Nyquest)
我不明白的是两种不同采样率的不同情节 具有相同的比例。 1-22050作为默认的librosa 2-8khz作为采样率文件
y2, sr = librosa.load(file_name, sr=None)
n_fft2 =743 # (same ratio to get same visuals for comparsion)
hop_length = 186 # (1/4 n_fft by default)
stft2 = np.abs(librosa.stft(y2, n_fft=n_fft2))
因此，stft的威信会有所不同
stft2.shape
# (372, 634)
[！[stft sr = 743] [2]] [2]
1。但是为什么绝对频率不一样呢？其相同的信号只是不被过采样，因此每个采样都是唯一的。 我想念什么？是静态的y轴吗？
2。我无法理解时间仓值。我希望从该点到文件末尾的第一个为跳数长度，第二个为windowTime时，帧数为bin。但是单位很奇怪？
我希望能够在特定的时间（帧）中提取特定Fbin的幅度，或者能够对其中的一些求和以求出时间范围的磁化强度。
因此，如果我将stft [fBin的数量]取为1025 fBins的1行（stft [1025]）并查看其内容，则stft [0]包含630点，对于每个频率而言，这正是630个时间点因此每帧1-1025的时间点都相同。
因此，如果我也采样了一个适合所有其他fbin的样本（相同时间点），即stft [0] 我将能够选择时间范围和fBin并获得特定的幅度：
times = librosa.core.frames_to_time(stft2[0], sr=sr2, n_fft=n_fft2, hop_length=hop_length)
fft_bin = 6
time_idx = 10
print('freq (Hz)', freqs[fft_bin])
print('time (s)', times[time_idx])
print('amplitude', stft[fft_bin, time_idx])
array（[0.047375，0.047625，0.04825，0.04825，0.046875，0.04675， 0.05，0.051625，0.051，0.048，0.05225，0.050375， 0.04925，0.04725，0.051625，0.0465，0.05225，0.05， 0.053，0.053875，0.048，0.0485，0.047875，0.04775， 0.0485、0.049、0.051375、0.047125、0.051125、0.047125， 0.04725、0.05025、0.05425、0.05475、0.051375、0.060375， 0.050625、0.04875、0.054125、0.048、0.05025、0.052375， 0.04975、0.054125、0.055625、0.047125、0.0475、0.047， 0.049875、0.05025、0.048375、0.047、0.050625、0.05， 0.046625、0.04925、0.048、0.049125、0.05375、0.0545， 0.04925，0.049125，0.049125，0.049625，0.047，0.047625， 0.0535，0.051875，0.05075，0.04975，0.047375，0.049， 0.0485、0.050125、0.048、0.05475、0.05175、0.050125， 0.04725、0.0575、0.056875、0.047、0.0485、0.055375， 0.04975、0.047、0.0495、0.051375、0.04675、0.04925， 0.052125、0.04825、0.048125、0.046875、0.047、0.048625， 0.050875，0.05125，0.04825，0.052125，0.052375，0.05125， 0.049875、0.048625、0.04825、0.0475、0.048375、0.050875， 0.052875，0.0475，0.0485，0.05225，0.053625，0.05075， 0.0525，0.047125，0.0485，0.048875，0.049，0.0515， 0.055875、0.0515、0.05025、0.05125、0.054625、0.05525， 0.047、0.0545、0.052375、0.049875、0.051、0.048625， 0.0475，0.048，0.048875，0.050625，0.05375，0.051875， 0.048125、0.052125、0.048125、0.051、0.052625、0.048375， 0.047625、0.05、0.048125、0.050375、0.049125、0.053125， 0.053875、0.05075、0.052375、0.048875、0.05325、0.05825， 0.055625、0.0465、0.05475、0.051125、0.048375、0.0505， 0.04675，0.0495，0.04725，0.046625，0.049625，0.054， 0.056125、0.05175、0.050625、0.050375、0.047875、0.047， 0.048125、0.048875、0.050625、0.049875、0.047、0.0505， 0.047，0.053125，0.047625，0.05025，0.04825，0.05275， 0.051625，0.05，0.051625，0.05425，0.052，0.04775， 0.047，0.049125，0.05375，0.0535，0.04925，0.05125， 0.046375、0.04775、0.04775、0.0465、0.047、0.04675， 0.04675，0.04925，0.05125，0.046375，0.04825，0.0525， 0.057875、0.056375、0.054375、0.04825，0.0535，0.05475， 0.0485、0.048875、0.048625、0.0485、0.047625、0.046875， 0.0465、0.05125、0.054、0.05、0.048、0.047875， 0.0515，0.048125、0.055875、0.054875、0.051625、0.048125， 0.047625、0.048375、0.052875、0.0485、0.0475、0.0495， 0.05025、0.05675、0.0585、0.051625、0.05625、0.0605， 0.052125、0.0495、0.049、0.047875、0.051375、0.054125， 0.0525，0.0515，0.057875，0.055，0.05375，0.046375， 0.04775、0.0485、0.050125、0.050875、0.04925、0.049125， 0.0465、0.04975、0.053375、0.05225、0.0475、0.046375， 0.05375，0.049875，0.049875，0.047375，0.049125，0.049375， 0.04875、0.048125、0.05075、0.0505、0.046375、0.047375， 0.048625、0.0485、0.047125、0.052625、0.051125、0.04725， 0.050875、0.053875、0.0475、0.0495、0.051、0.055， 0.053，0.050125，0.04675，0.05375，0.054375，0.04725 0.046875、0.04925、0.04725、0.0495、0.05075、0.050875， 0.04775、0.05125、0.050125、0.047875、0.04825、0.046625， 0.0475，0.046375，0.04775，0.05075，0.048125，0.046375， 0.049625、0.0495、0.04675、0.046625、0.0475、0.04825， 0.053，0.050875，0.049，0.057875，0.058875，0.049875， 0.049125、0.0475、0.05225、0.055、0.055375、0.053875， 0.051125，0.049875，0.05025，0.050875，0.049，0.0575， 0.051875，0.049375，0.04775，0.051125，0.050375，0.0465， 0.047375、0.0465、0.046375、0.048875、0.051875、0.047， 0.047125、0.047125、0.046875、0.049625、0.048625、0.051， 0.049，0.046375，0.049，0.056125，0.054625，0.047625， 0.046625、0.0475、0.051875、0.05175、0.047625、0.050375， 0.055125、0.05275、0.047125、0.05325、0.060125、0.056625， 0.053，0.052125，0.047125，0.04825，0.050375，0.05025， 0.048，0.046625，0.047125，0.04875，0.047，0.05525， 0.0535，0.047，0.0495，0.0535，0.05125，0.046625， 0.0495，0.04675，0.04875，0.047125，0.04975，0.047， 0.049875、0.046875、0.047125、0.048、0.046375、0.0495， 0.04975、0.05125、0.048375、0.049125、0.0515、0.048375， 0.052375、0.051125、0.046375、0.047125、0.050375、0.0465， 0.052375、0.05375、0.04925、0.05025、0.0565、0.054875， 0.048，0.049375，0.052625，0.055375，0.053375，0.05075， 0.048875、0.05475、0.05075、0.0485、0.049125、0.0475， 0.047375、0.047375、0.047、0.052125、0.053875、0.049， 0.052625、0.0485、0.04675、0.04875、0.05、0.0545， 0.05025、0.0495、0.0515、0.0485、0.05025、0.0465， 0.0465、0.048375、0.06375、0.10175、0.11975、0.118375， 0.121375，0.12675，0.123，0.095375，0.055，0.05525， 0.04775、0.053125、0.052375、0.056625、0.0565、0.046875， 0.048、0.05175、0.048、0.052、0.048、0.048， 0.05175，0.05025，0.049625，0.049625，0.047375，0.046625， 0.052375、0.0555、0.051375、0.050625、0.052375、0.050125， 0.048、0.052125、0.052125、0.0495、0.048875、0.048， 0.049875、0.051125、0.050625、0.048、0.0465、0.048， 0.04675、0.050875、0.048、0.046625、0.0495、0.050375， 0.046625、0.0515、0.049875、0.049625、0.04675、0.049125， 0.05025、0.050375、0.04725、0.047625、0.047、0.051625， 0.0485、0.05225、0.046875、0.0475、0.04825、0.050375， 0.05725，0.052375，0.048，0.046375，0.0475，0.0495， 0.047875、0.046375、0.049875、0.046875、0.048、0.046875， 0.048625、0.047125、0.046625、0.05、0.048875、0.04675， 0.050125、0.05425、0.051375、0.050125、0.053375、0.052， 0.053875、0.048、0.05575、0.049875、0.052125、0.048875， 0.047375、0.048875、0.049125、0.047375、0.047375、0.047625， 0.0495，0.04825，0.047875，0.04875，0.054，0.052125， 0.051、0.046625、0.04925、0.05075、0.054375、0.0555， 0.051625、0.046625、0.052125、0.055875、0.047、0.053875， 0.050875、0.0505、0.0465、0.053125、0.050875、0.050625， 0.051125、0.050875、0.056875、0.04925、0.050625、0.054125， 0.056625、0.05025、0.0465、0.04675、0.049625、0.047， 0.048375、0.047125、0.04875、0.048375、0.048875、0.04775， 0.04775，0.047，0.052125，0.050875，0.054，0.058375， 0.054，0.049125，0.04675，0.051875，0.05425，0.050125， 0.04675，0.047625，0.046375，0.05275，0.053，0.04875， 0.049125、0.047125、0.049375、0.0475、0.051125、0.0495， 0.052375，0.047，0.047125，0.050875]）
[1]: https://i.imgur.com/OeKzvrb.png
[2]: https://i.imgur.com/ALtba5F.png
答案 0 :(得分：1)
问题1：
使用specshow时需要指定采样率：
librosa.display.specshow(stft, x_axis='time', y_axis='log', sr=sr)
否则，将使用默认值（22,050 Hz）（请参见docs）。
问题2：
librosa.core.frames_to_time不以stft[0]作为参数，这将是第一帧的频点。相反，它以帧数作为第一个参数。
想象一下，您有一个sr=10000 Hz的音频信号。然后，使用n_fft=2000和hop_length=1000在其上运行STFT。然后，您每跳获得一个 frame ，并且该跳的长度为0.1s，因为10000个样本对应于1s，而1000个样本（1个跃点）因此对应于0.1s。
stft[0]是不是帧号。相反，第一个stft的形状为(1 + n_fft/2, t)（请参见here）。这意味着第一维是频点，第二维是帧号（t）。
因此stft中的帧总数为stft.shape[1]。
要获取源音频的长度，可以执行以下操作：
time = librosa.core.frames_to_time(stft.shape[1], sr=sr, hop_length=hop_length, n_fft=n_fft)