python-librosa包如何从频谱中提取音频

Question

如果使用Librosa进行人声分离，可以分别绘制人声和背景音乐，但我想从人声部分提取音频，并且人声部分的频谱位于名为“S_foreground”的变量中（请访问上述链接进行演示）。如何获得前景（人声）音频？在

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档，它可以

Separate a complex-valued spectrogram D into its magnitude (S) and phase (P) components, so that D = S * P.

因为magphase中的实际参数

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

是stft(y)，这是y的短时傅里叶变换，初始的ndarray，我想你需要做的是计算一个新的D：

D_foreground = S_foreground * phase

然后把它扔给逆stft函数（librosa.istft）：

y_foreground = librosa.istft(D_foreground)

之后，您可以使用输出函数：

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

老实说，我对这些理论上的东西并不熟悉（我用这种方法输出的质量差可能就是一个证明），但以上是我对如何导出音频的猜测。结果显示，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，你可能想试试其他软件。在