时间戳

首页 > 解决方案 > Librosa 的逆梅尔谱图到 stft 需要很长时间

python - Librosa 的逆梅尔谱图到 stft 需要很长时间

问题描述

我目前正在尝试将 mel 频谱图转换回音频文件，但是，librosa 的 mel_to_stft 函数需要很长时间（最多 15 分钟）才能读取以 384kHz 采样的 30 秒 .wav 文件。

以下是我的代码：

# Code for high pass filter
def butter_highpass(cutoff, fs, order=5):
    nyq = 0.5 * fs
    normal_cutoff = cutoff / nyq
    b, a = butter(order, normal_cutoff, btype='high', analog=False)
    return b, a

def butter_highpass_filter(data, cutoff, fs, order=5):
    b, a = butter_highpass(cutoff, fs, order=order)
    y = filtfilt(b, a, data)
    return y

def high_pass_filter(data, sr): 
    # set as a highpass filter for 500 Hz
    filtered_signal = butter_highpass_filter(data, 500, sr, order=5)
    return filtered_signal

example_dir = '/Test/test.wav'
sr, data = wavfile.read(example_dir)
des_sr = 44100
data_resamp = samplerate.resample(data, des_sr/sr, 'sinc_best')
data_hp = high_pass_filter(data_resamp, des_sr)
mel_spect = librosa.feature.melspectrogram(y=data_resamp, sr=des_sr)
S = librosa.feature.inverse.mel_to_stft(mel_spect)
y = librosa.griffinlim(S)

标签： pythonaudiospectrogramlibrosamfcc

解决方案

Griffin-Lim 是一种迭代方法，用于估计从仅幅度频谱图所需的相位信息。librosa 实现中的迭代次数可以调整（n_iter）。减少它会加快速度，但通常速度很慢。

频谱处理后返回波形可以通过以下方式加速：

  1. 使用一次性近似方法，如神经网络。例如使用多头卷积神经网络的快速频谱图反演
  2. 通过使用原始相位信息而不是根据修改后的幅度谱图来估计它。这要求相位频谱图可用（不仅仅是幅度），但在对音频文件进行频谱处理时通常会出现这种情况。

推荐阅读