librosa.load返回什么？

Question

我正在使用librosa库，我想知道librosa.load函数在读取音频(.wav)文件时返回了哪些信息。是pa中的瞬时声压，还是没有单位的声音信号的瞬时振幅？

Answer 1

为了确认前面的答案，librosa.load返回一个在librosa术语表中定义为：

时间序列：典型的音频信号，以y表示，表示为浮点值的一维numpy.ndarray。yt对应于样本t处波形的振幅。

振幅通常被测量为麦克风或接收装置周围的压力变化的函数，最初接收音频。(请参阅更多这里)。

Answer 2

据我所知，振幅是测量大气压力变化时的记录。根据librosa.load文档这里，该方法返回两件事：

• 采样速率sr：这意味着每秒记录多少个样本。
• 二维阵列：

- **The first axis**: represents the recorded samples of amplitudes (change of air pressure) in the audio.
- **The second axis**: represents the number of channels in the audio.

以下是正式文档中的一个示例：

>>> import librosa

>>> filename = librosa.util.example_audio_file()
>>> y, sr = librosa.load(filename)
>>> sr  #sample rate
22050
>>> y.shape   #mono (1 channel)
(1355168,)
>> y.shape[0] / sr  #duration of audio file in seconds
61.45886621315193

正如我们所看到的：

• 采样率为22050，这意味着记录器每秒记录22050次数。
• y.shape = (1355168,)，这意味着只有一个频道(Mono)记录了整个音频的1355168样本。
• 使用简单的数学方法，您可以通过将total_number_of_samples除以sample_rate来计算这个音频文件的持续时间。

从评论中添加

请注意，如果您将文件读取为y, sr = librosa.load(filename)，librosa将默认将信号重采样为22050 Hz。如文档中所述，如果要获得本机采样率，则应将信号读取为y, sr = librosa.load(filename, sr=None)。

Answer 3

要添加上述答案，还可以使用librosa函数librosa.get_duration(y,sr)获取音频文件的持续时间(以秒为单位)。或者您可以使用len(y)/sr获取音频文件的持续时间(秒)。