Librosa melspectrogram时间与音频文件中的实际时间不匹配

Question

我正在尝试使用librosa.feature计算MFCC系数，但是当我使用specshow对其进行绘制时，specshow图上的时间与音频文件中的实际时间不符

我尝试了librosa docs https://librosa.github.io/librosa/generated/librosa.feature.mfcc.html中的代码 在这里创建具有预先计算的对数功率梅尔频谱图的MFCC

WINDOW_HOP = 0.01       # [sec]
WINDOW_SIZE = 0.025     # [sec]

y, fs = librosa.load('audio_dataset/0f39OWEqJ24.wav', sr=None) # fs is 22000

# according to WINDOW_SIZE and fs, win_length is 550, and hop_length is 220
mel_specgram = librosa.feature.melspectrogram(y[:550], sr=fs, n_mels=20, hop_length=int(WINDOW_HOP * fs), win_length=int(WINDOW_SIZE * fs))

mfcc_s = librosa.feature.mfcc(S=librosa.power_to_db(mel_specgram), n_mfcc=12)

librosa.display.specshow(mfcc_s, x_axis='s')

现在查看specshow图像中的比例，第二帧（窗口）应从220个样本开始，即10毫秒，但不是

Answer 1

使用specshow或librosa.feature.mfcc时应指定采样率。否则，假设为22050 Hz。另外，告诉librosa，您使用了哪一跳长度：

[...]
hop_length = int(WINDOW_HOP * fs)
mel_specgram = librosa.feature.melspectrogram(y[:550], sr=fs,
    n_mels=20, hop_length=hop_length,
    win_length=int(WINDOW_SIZE * fs))

mfcc_s = librosa.feature.mfcc(S=librosa.power_to_db(mel_specgram), n_mfcc=12, sr=fs)

librosa.display.specshow(mfcc_s, x_axis='s', sr=fs, hop_length=hop_length)

这些细节对于正确可视化是必不可少的，而mfcc_s中包含的不是。