python - 如何像 FFMPEG 一样在 Python 中从音频文件创建频谱图？

Question

我的代码：

import matplotlib.pyplot as plt
from matplotlib.pyplot import specgram
import librosa
import librosa.display
import numpy as np
import io
from PIL import Image

samples, sample_rate = librosa.load('thabo.wav')
fig = plt.figure(figsize=[4, 4])
ax = fig.add_subplot(111)
ax.axes.get_xaxis().set_visible(False)
ax.axes.get_yaxis().set_visible(False)
ax.set_frame_on(False)
S = librosa.feature.melspectrogram(y=samples, sr=sample_rate)
librosa.display.specshow(librosa.power_to_db(S, ref=np.max))
buf = io.BytesIO()
plt.savefig(buf,  bbox_inches='tight',pad_inches=0)

# plt.close('all')
buf.seek(0)
im = Image.open(buf)
# im = Image.open(buf).convert('L')
im.show()
buf.close()

产生的频谱图

使用 FFMPEG

ffmpeg -i thabo.wav -lavfi showspectrumpic=s=224x224:mode=separate:legend=disabled spectrogram.png

产生的频谱图

请帮忙，我想要一个与 FFMPEG 产生的频谱图完全相同的频谱图，用于从谷歌的可教机器导出的语音识别模型。 离线识别

标签： pythonffmpegspeech-recognitionspectrogram

Answer 1

您可以直接将音频通过管道传输到ffmpeg其中，从而避免中间文件，ffmpeg如果您想避免图像文件输出，也可以输出到管道。

使用以下三个实例进行演示ffmpeg：

ffmpeg -i input.wav -f wav - | ffmpeg -i - -filter_complex "showspectrumpic=s=224x224:mode=separate:legend=disabled" -c:v png -f image2pipe - | ffmpeg -y -i - output.png

当然，第一个和最后一个ffmpeg实例将替换为您的工作流程的特定流程。