从用librosa.feature.mfcc生成的MFCC中获取定时信息

Question

我正在使用Librosa的函数(librosa.feature.mfcc)从音频文件中提取MFCC，并且我正确地获得了一个具有我所期望的形状的numpy数组:13个MFCC值用于音频文件的整个长度，即1292个窗口(30秒内)。

缺少的是每个窗口的时间信息:例如，我想知道MFCC在时间上是什么样子，5000 is，然后5200 is等等。我需要手动计算时间吗？有办法自动获得每个窗口的确切时间吗？

​

​

Answer 1

“时间信息”不是直接提供的，因为它取决于抽样率。为了提供这样的信息，librosa将创建自己的类。这会污染接口，使其更难互操作。在当前的实现中，feature.mfcc返回numpy.ndarray，这意味着您可以轻松地在Python中的任何地方集成这段代码。

将小额供资委员会与时间联系起来：

import librosa
import numpy as np

filename = librosa.util.example_audio_file()
y, sr = librosa.load(filename)

hop_length = 512 # number of samples between successive frames
mfcc = librosa.feature.mfcc(y=y, n_mfcc=13, sr=sr, hop_length=hop_length)

audio_length = len(y) / sr # in seconds
step = hop_length / sr # in seconds
intervals_s = np.arange(start=0, stop=audio_length, step=step)

print(f'MFCC shape: {mfcc.shape}')
print(f'intervals_s shape: {intervals_s.shape}')
print(f'First 5 intervals: {intervals_s[:5]} second')

请注意，mfcc和intervals_s的数组长度是相同的--这是一个正确的检查，我们在计算中没有出错。

MFCC shape: (13, 2647) 
intervals_s shape: (2647,)
First 5 intervals: [0.         0.02321995 0.04643991 0.06965986 0.09287982] second