Librosa：Python語言音頻處理庫

一、安裝與使用

Librosa是由Brian McFee、Colin Raffel和Damon Zhou共同開發的Python庫，專門用於音頻處理和分析。其基於NumPy和SciPy庫，並提供多種數據可視化方法、音頻預處理工具和音頻特徵提取方法等，是Python語言中最流行的音頻處理庫之一。以下將介紹如何安裝和使用Librosa庫。

1. 安裝

在開始使用Librosa之前，需要確保已經安裝了Python 2.7或3.5及以上版本。然後在命令行中使用pip安裝即可：

pip install librosa

2. 使用

安裝完成後，我們就可以使用Librosa進行音頻處理和分析了。下面介紹幾個常用方法：

a. 讀取音頻文件

import librosa

# 讀取音頻文件
y, sr = librosa.load('audio.mp3')

代碼中，librosa.load(file_path)是用於讀取音頻文件的方法，其中file_path為音頻文件的路徑，y表示讀取的音頻信號，sr表示採樣率，即每秒鐘採集的樣本數。

b. 音頻可視化

import librosa.display
import matplotlib.pyplot as plt

# 顯示音頻波形圖
plt.figure()
librosa.display.waveshow(y, sr=sr)
plt.title('Waveform')

# 顯示音頻頻譜圖
plt.figure()
D = librosa.amplitude_to_db(librosa.stft(y), ref=np.max)
librosa.display.specshow(D, y_axis='linear')
plt.colorbar(format='%+2.0f dB')
plt.title('Spectrogram')
plt.show()

上述代碼展示了如何使用Librosa繪製音頻波形圖和頻譜圖。首先，我們需要使用matplotlib庫繪製圖形，然後使用librosa.display.waveshow()方法繪製音頻波形圖和librosa.display.specshow()方法繪製頻譜圖。在繪製前，我們需要使用librosa.amplitude_to_db()方法將振幅轉換為分貝表示，方便頻譜圖的觀察。

二、音頻預處理

在音頻分析中，預處理是非常重要的步驟。Librosa提供了多種音頻預處理方法，以下將介紹其中幾個方法。

1. 預加重

預加重是一種高通濾波的方法，可以對信號進行預處理，以減小信號中低頻部分的影響，提高信噪比。Librosa提供了librosa.preemphasis()方法實現預加重：

# 預加重
y_preemph = librosa.preemphasis(y)

2. 幀分割

音頻信號是一個連續的時間序列，但在分析過程中，我們通常將其分解成多個小的塊，每個塊稱為幀。每個幀的長度一般為20-40毫秒，與人耳的特性有關。分幀後，我們可以對每個幀進行單獨分析，方便處理。Librosa提供了librosa.util.frame()方法實現幀分割：

# 幀分割
frame_length = 2048
frame_step = 512
y_frames = librosa.util.frame(y_preemph, frame_length, hop_length=frame_step)

代碼中，frame_length為幀長，單位為採樣點數；frame_step為幀移，即相鄰兩幀之間的間隔，單位為採樣點數；y_frames為分割後的幀，是一個二維矩陣，每行代表一幀。

3. 短時傅里葉變換（STFT）

在音頻分析中，我們經常需要對每個幀進行頻譜分析，得到其頻譜圖。短時傅里葉變換（STFT）是一種常見的時頻分析方法，可以將時域信號轉換成頻域信號。Librosa提供了librosa.stft()方法實現STFT：

# 短時傅里葉變換
D = librosa.stft(y, n_fft=2048, hop_length=512)

代碼中，n_fft為FFT點數，即進行FFT變換時所選取的窗口長度，一般為2的冪次方；hop_length為幀移，即相鄰兩幀之間的間隔，單位為採樣點數；D為變換後的頻譜，是一個二維矩陣，其中每列代表一個幀的頻譜。

三、音頻特徵提取

音頻特徵提取是音頻分析中的關鍵步驟，因為這些特徵可以用於音頻識別、分類、聚類等一系列任務。Librosa提供了多種音頻特徵提取方法，以下將介紹其中幾個方法。

1. 梅爾頻率倒譜係數（MFCC）

MFCC是一種廣泛應用於音頻信號處理和識別的音頻特徵，其主要步驟包括梅爾濾波器組、離散餘弦變換和譜包絡平滑等。Librosa提供了librosa.feature.mfcc()方法實現MFCC特徵提取：

# MFCC特徵提取
mfccs = librosa.feature.mfcc(y=y, sr=sr, n_mfcc=20)

代碼中，y為音頻信號，sr為採樣率，n_mfcc為MFCC係數的數量，一般取20-40。運行後，mfccs為一個二維矩陣，其中每列代表一幀的MFCC係數。

2. 色度頻率譜（Chroma）

Chroma是一種常用於音頻和音樂分析的音頻特徵，主要涉及到音樂中的和聲和調性。Librosa提供了librosa.feature.chroma_stft()方法實現Chroma特徵提取：

# Chroma特徵提取
chromagram = librosa.feature.chroma_stft(y=y, sr=sr)

代碼中，y為音頻信號，sr為採樣率。運行後，chromagram為一個二維矩陣，其中每列代表一幀的Chroma特徵。

3. 節奏（Tempo）

Tempo是音樂中非常重要的概念，涉及到音樂節奏和速度的變化。Librosa提供了librosa.beat.tempo()方法實現Tempo估計：

# Tempo估計
tempo, beat_frames = librosa.beat.beat_track(y=y, sr=sr)

代碼中，y為音頻信號，sr為採樣率。運行後，tempo為估計出的Tempo值，beat_frames為一個一維數組，其中每個元素代表一幀的節拍位置。

四、總結

在本篇文章中，我們介紹了Librosa的安裝與使用、音頻預處理和音頻特徵提取等方面的內容。Librosa作為一款強大的Python語音庫，可以方便地進行音頻分析和處理，有助於音頻方面的科研、教學和應用等方面。