Python 提取音乐频谱并可视化

墨蓝 2023-02-27 14:57 25阅读 0赞

## 前言 ##

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。

作者：python使用宝典

PS：如有需要Python学习资料的小伙伴可以加点击下方链接自行获取

[python免费学习资料以及群交流解答点击即可加入][python]

--------------------

## 准备工作 ##

开始之前，你要确保Python和pip已经成功安装在电脑上，如果没有

Windows环境下打开Cmd(开始—运行—CMD)，苹果系统环境下请打开Terminal(command+空格输入Terminal)，准备开始输入命令安装依赖。

pip install pydub
    pip install librosa

看到 Successfully installed xxx 则说明安装成功。

## 频谱展示 ##

使用librosa和matplot，我们可以用10行代码完整地展示整个频谱：

import matplotlib.pyplot as plt
    import librosa.display
    
    # 音乐文件载入
    audio_path = 'Fenn.mp3'
    music, sr = librosa.load(audio_path)
    
    # 宽高比为14:5的图
    plt.figure(figsize=(14, 5))
    librosa.display.waveplot(music, sr=sr)
    
    # 显示图
    plt.show()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlaTM0Nzc5NTc5MA_size_16_color_FFFFFF_t_70]  
不过，这样的频谱是整段音乐的，看起来非常难看，接下来我们使用 pydub 切割频谱，以获得更佳的效果。我们细分到0到1秒的区段来查看频谱：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlaTM0Nzc5NTc5MA_size_16_color_FFFFFF_t_70 1]

import matplotlib.pyplot as plt
    import librosa.display
    import numpy as np
    from pydub import AudioSegment
    
    # 1秒=1000毫秒
    SECOND = 1000
    # 音乐文件
    AUDIO_PATH = 'Fenn.mp3'
    
    def split_music(begin, end, filepath):
        # 导入音乐
        song = AudioSegment.from_mp3(filepath)
        
        # 取begin秒到end秒间的片段
        song = song[begin*SECOND: end*SECOND]
        
        # 存储为临时文件做备份
        temp_path = 'backup/'+filepath
        song.export(temp_path)
    
        return temp_path
    
    music, sr = librosa.load(split_music(0, 1, AUDIO_PATH))
    
    # 宽高比为14:5的图
    plt.figure(figsize=(14, 5))
    librosa.display.waveplot(music, sr=sr)
    plt.show()

这下细是细了，但是还是太复杂了，其实我们做频谱的展示，只需要正值即可：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlaTM0Nzc5NTc5MA_size_16_color_FFFFFF_t_70 2]  
然后我们还可以进一步放大，比如说0.9秒到1秒之间的频谱：

# 放大
    n0 = 9000
    n1 = 10000
    
    music = np.array([mic for mic in music if mic > 0])
    plt.figure(figsize=(14, 5))
    plt.plot(music[n0:n1])
    plt.grid()
    
    # 显示图
    plt.show()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlaTM0Nzc5NTc5MA_size_16_color_FFFFFF_t_70 3]  
这样好看许多，不过如果要达成QQ音乐那种效果，还是需要进行大量改造。

比如用精美的图像元素来填充替代、然后零值如何处理？如何让频谱更加平稳？此外，我们是静态的图像，还需要根据事件动态地延续波段。

用于生产的代码肯定比我们这简易的代码更加复杂，而且也不应该是暴力去除负值绘制图像。这些有兴趣的读者可以自行研究啦。

[python]: https://jq.qq.com/?_wv=1027&k=ThcV4SNF
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlaTM0Nzc5NTc5MA_size_16_color_FFFFFF_t_70]: /images/20230209/2fc16fdde386498b856416dc012c17f9.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlaTM0Nzc5NTc5MA_size_16_color_FFFFFF_t_70 1]: /images/20230209/0b4d31a88f574c59bf8e91e338230a63.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlaTM0Nzc5NTc5MA_size_16_color_FFFFFF_t_70 2]: /images/20230209/7ffaf19df66b4acfbdf15d6153cd0989.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlaTM0Nzc5NTc5MA_size_16_color_FFFFFF_t_70 3]: /images/20230209/8c2ee94175134b908ca4c69d422b1fc6.png