python - 如何在 python 中为音频应用以下频谱环绕增强？

Question

频谱图（x 轴是时间，y 轴是频率）的这种变换的感觉是根据不同的 alpha 值沿 y 轴拉伸它，而顶部（最大频率）和底部（零频率）保持不动。但现在我真的不知道如何实现它。

首先，我应该在哪一步进行频率扭曲？我正在使用 Librosa 来提取特征并将音频转换为 log-mel 频谱图。这应该在转换为 melspectrogram 之前还是在 STFT 之前/之后完成？

其次，我可以通过哪种方式根据公式映射每个频率？作者提到他们使用了 OpenCV 的 Geometric Image Transformations，但我只找到了看起来相关的 Affine Transformation 和 Perspective Transformation，但我没有设法通过使用它们来实现这种映射。

欢迎任何建议和评论，非常感谢！

标签： pythonaudio-processinglibrosaspectrogramdata-augmentation