语音数据中的基音检测

Question

我在做说话人识别项目。为了识别不同语音片段的扬声器是否相同，我提取了多个特征，如MFCC、tempo、chromagram、beat times、harmonic、impactive、melprogram等。现在我还想找到语音剪辑的音调，以找到我使用此代码的音调：

import librosa
y,sr = librosa.load('E:/Audio_clip/cant.wav')
S = np.abs(librosa.stft(y))
#print(S)
pitch, mag = librosa.piptrack(y=y, sr=sr, S=S)

但是，当我把音高和音高输出打印到我的控制台时，它给我的所有剪辑的输出都是相同的，音高和音高的输出都在0数组列表中，而且还会给出错误：“NoneType”object is not iterable'

有人能告诉我我哪里错了吗？我怎样才能找到声音片段的音调？在

到目前为止，我对说话人识别的计划是，首先建立这些特征的特征矩阵，然后用余弦相似性函数来寻找同一说话人的声音。这是说话人识别的好方法吗？在

Answer 1

开头应该是零，只是没有正确打印/绘制数组。其中的一些值是非零的，但它们非常罕见，请参阅topic on librosa group的详细信息。在

另请参见Librosa pitch tracking - STFT和How to print the full NumPy array?