Python 提取音乐频谱并可视化

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学习交流群，点击即可加入

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()

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：

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：

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() 

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。