"python librosa 包 - 如何从频谱中提取音频"

Question

在使用Librosa<\/a>进行人声分离的情况下，可以单独绘制人声和背景音乐，但我想从人声部分提取音频，人声部分的频谱位于名为“S_foreground”的变量中（请访问上面的链接进行演示）。 如何获得前景（人声）音频？

"

Answer 1

您可能已经注意到S_foreground来自S_full ，它来自一个名为magphase的函数。 根据有关此功能的文件，它可以

将复值谱图D分离为其幅度（S）和相位（P）分量，使得D = S * P.

由于magphase采取的实际参数

S_full, phase = librosa.magphase(librosa.stft(y))

是stft(y)这是短时傅立叶变换的y ，初始ndarray ，我想你需要做的是计算一个新的D ：

D_foreground = S_foreground * phase

并将其抛给Inverse stft函数（ librosa.istft ）：

y_foreground = librosa.istft(D_foreground)

之后，您可以使用输出功能：

librosa.output.write_wav(output_file_path, y_foreground, sr)

说实话，我不熟悉这些理论上的东西（使用这种方法的输出质量差可能是一个证明），但上面我猜测你应该如何导出你的音频。 事实证明，保真度非常差（至少在我的情况下），所以如果你真的关心音频质量，你可能想尝试其他一些软件。

Answer 2

@Alioth 的答案是有效的，除了：

librosa.output.write_wav(output_file_path, y_foreground, sr)