我正在使用python中的librosa库进行wav文件分析。我使用librosa.load（）加载音频文件。显然，这个函数将wav文件加载到一个numpy数组中，归一化的振幅值在-1到1之间。但是我需要得到实际的振幅值进行处理。我怎么能找到呢？提前谢谢！
ljsrvy3e1#
您正确地观察到librosa总是将样本标准化为mono [-1:1] （以及22050 hz）。这就是说，这是数字音频，所以可以乘以任何你想要得到一个不同的规模。如果你坚持，你的样品是在 -2^15 到 2^15 ，只需乘以 2^15 . 它的意思几乎是一样的。除了将音频编码格式的特性拖到数据中之外，您不会得到任何东西。也就是说，如果这是您想要的，您可以像这样使用pysoundfile：
[-1:1]
-2^15
2^15
import soundfile as sf y, sr = sf.read('existing_file.wav', dtype='int16')
参数 dtype='int16' 告诉库对每个示例采用有符号的16位格式。
dtype='int16'
o2gm4chl2#
你不能。正如亨德里克提到的，信号是数字的，wav文件中的振幅不会告诉你任何关于实际声波振幅/声功率的信息。从它被数字化为wav的那一刻起，它就完全消失了。也就是说，你可以计算出，比如响度，一种对声功率的相对感知。如果您正在处理人类听觉系统，建议的方法之一是：使用树皮鳞片（树皮鳞片更好地反映我们的听觉）。计算每个箱子的能量。（可选）通过总和进行归一化。如果您不想自己计算，请查看例如yaafe。
2条答案
按热度按时间ljsrvy3e1#
您正确地观察到librosa总是将样本标准化为mono
[-1:1]（以及22050 hz）。这就是说，这是数字音频，所以可以乘以任何你想要得到一个不同的规模。如果你坚持，你的样品是在-2^15到2^15，只需乘以2^15. 它的意思几乎是一样的。除了将音频编码格式的特性拖到数据中之外，您不会得到任何东西。
也就是说，如果这是您想要的，您可以像这样使用pysoundfile：
参数
dtype='int16'告诉库对每个示例采用有符号的16位格式。o2gm4chl2#
你不能。正如亨德里克提到的，信号是数字的，wav文件中的振幅不会告诉你任何关于实际声波振幅/声功率的信息。从它被数字化为wav的那一刻起，它就完全消失了。
也就是说，你可以计算出，比如响度，一种对声功率的相对感知。如果您正在处理人类听觉系统，建议的方法之一是：
使用树皮鳞片（树皮鳞片更好地反映我们的听觉）。
计算每个箱子的能量。
（可选）通过总和进行归一化。
如果您不想自己计算，请查看例如yaafe。