抱歉，如果我提交了副本，但我想知道 python 中是否有任何库可以让您从音频文件中提取声谱。我希望能够获取一个音频文件并编写一个算法，该算法将返回一组数据 {TimeStampInFile;频率-幅度}。
我听说这通常称为节拍检测，但据我所知，节拍检测不是一种精确的方法，它仅适用于可视化，而我想对提取的数据进行操作，然后将其转换回音频文件。我不需要实时执行此操作。
我将不胜感激任何建议和建议。
【问题讨论】：
标签： python audio beat-detection
您可以使用 scipy 计算和可视化频谱和频谱图，对于这个测试，我使用了这个音频文件：vignesh.wav
from scipy.io import wavfile # scipy library to read wav files
import numpy as np
AudioName = "vignesh.wav" # Audio File
fs, Audiodata = wavfile.read(AudioName)
# Plot the audio signal in time
import matplotlib.pyplot as plt
plt.plot(Audiodata)
plt.title('Audio signal in time',size=16)
# spectrum
from scipy.fftpack import fft # fourier transform
n = len(Audiodata)
AudioFreq = fft(Audiodata)
AudioFreq = AudioFreq[0:int(np.ceil((n+1)/2.0))] #Half of the spectrum
MagFreq = np.abs(AudioFreq) # Magnitude
MagFreq = MagFreq / float(n)
# power spectrum
MagFreq = MagFreq**2
if n % 2 > 0: # ffte odd
MagFreq[1:len(MagFreq)] = MagFreq[1:len(MagFreq)] * 2
else:# fft even
MagFreq[1:len(MagFreq) -1] = MagFreq[1:len(MagFreq) - 1] * 2
plt.figure()
freqAxis = np.arange(0,int(np.ceil((n+1)/2.0)), 1.0) * (fs / n);
plt.plot(freqAxis/1000.0, 10*np.log10(MagFreq)) #Power spectrum
plt.xlabel('Frequency (kHz)'); plt.ylabel('Power spectrum (dB)');
#Spectrogram
from scipy import signal
N = 512 #Number of point in the fft
f, t, Sxx = signal.spectrogram(Audiodata, fs,window = signal.blackman(N),nfft=N)
plt.figure()
plt.pcolormesh(t, f,10*np.log10(Sxx)) # dB spectrogram
#plt.pcolormesh(t, f,Sxx) # Lineal spectrogram
plt.ylabel('Frequency [Hz]')
plt.xlabel('Time [seg]')
plt.title('Spectrogram with scipy.signal',size=16);
plt.show()
我测试了所有代码，它可以工作，你需要 numpy、matplotlib 和 scipy。
干杯
【讨论】：
我认为您的问题分为三个不同的部分：
1.如何在 python 中加载音频文件？
您最好使用scipy，因为它提供了很多信号处理功能。加载音频文件：
import scipy.io.wavfile
samplerate, data = scipy.io.wavfile.read("mywav.wav")
现在您在samplerate 中获得了采样率（samples/s），在data 中获得了numpy.array 中的数据。您可能希望将数据转换为浮点数，具体取决于您的应用程序。
还有一个标准的python模块wave用于加载wav文件，但numpy/scipy提供了更简单的接口和更多的信号处理选项。
2。如何计算频谱
简单回答：使用 FFT。更多智慧之言，请参见：
Analyze audio using Fast Fourier Transform
较长的答案很长。开窗非常重要，否则会出现奇怪的光谱。
3.如何处理频谱
这有点困难。对于较长的信号，通常在时域中执行滤波。也许如果你告诉我们你想要完成什么，你会收到一个很好的答案。计算频谱是一回事，用它在信号处理中得到有意义的结果有点复杂。
（我知道你没有问这个，但我认为它的概率>> 0。当然，可能是你对音频信号处理有很好的了解，在这种情况下，这无关紧要。）
【讨论】：