Librosa melspectrogram时间与音频fi中的实际时间不匹配

Question

我试着用librosa.feature功能，但当我使用specshow绘制时，specshow图形上的时间与音频文件中的实际时间不匹配

我试过librosa文档中的代码https://librosa.github.io/librosa/generated/librosa.feature.mfcc.html 在这里，我们创建具有预先计算的对数功率Mel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')

现在看一下specshow图像中的比例，第二帧（窗口）应该从220 sample开始，也就是10ms，但它不是

Answer 1

使用specshow或librosa.feature.mfcc时，应指定采样率。否则假定22050 Hz。另外，告诉librosa，你使用了哪种跳跃长度：

[...]
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)

这些细节对于正确的可视化是必不可少的，而不是包含在mfcc_s中的。你知道吗