利用python中的 librosa.load() 我们可以轻松的读取音频文件，但对于不同采样率的音频文件，使用这一函数有一些细节还需注意。

如果 sr 缺省，librosa会默认以22050的采样率读取音频文件， 高于该采样率的音频文件会被下采样，低于该采样率的文件会被上采样 。

如果希望以原始采样率读取音频文件， sr 应当设为 None 。 具体做法为 y, sr = librosa(filename, sr=None) 。

https://librosa.github.io/librosa/generated/librosa.core.load.html

利用python中的 librosa.load() 我们可以轻松的读取音频文件，但对于不同采样率的音频文件，使用这一函数有一些细节还需注意。如果 sr 缺省，librosa会默认以22050的采样率读取音频文件，高于该采样率的音频文件会被下采样，低于该采样率的文件会被上采样。如果希望以原始采样率读取音频文件，sr 应当设为 None。具体做法为 y, sr = librosa(filename... extract log mel spectrogram feature :param y: the input signal (audio time series) :param sr: sample rate of 'y' :param size: the length (seconds) of random crop from original audio, default as 3 seconds :return: log-mel spectrogram feature # normalization y = y.astype(np.float32) normalization_factor = 1 / np.max(np.abs(y)) y = y * normalization_factor # random crop start = random.randint(0, len(y) - size * sr) y = y[start: start + size * sr] # extract log mel spectrogram ##### powerspec = np.abs( lib ros a.stft(y,n_fft=128, hop_length=1024)) ** 2 #logmelspec = lib ros a.power_to_db(melspectrogram) return powerspec def extract_logmel(y, sr, size=3): extract log mel spectrogram feature :param y: the input signal (audio time series) :param sr: sample rate of 'y' :param size: the length (seconds) of random crop from original audio, default as 3 seconds :return: log-mel spectrogram feature # normalization y = y.astype(np.float32) normalization_factor = 1 / np.max(np.abs(y)) y = y * normalization_factor # random crop start = random.randint(0, len(y) - size * sr) y = y[start: start + size * sr] # extract log mel spectrogram ##### melspectrogram = lib ros a.feature.melspectrogram(y=y, sr=sr, n_fft=2048, hop_length=1024, n_mels=90) logmelspec = lib ros a.power_to_db(melspectrogram) return logmelspec def extract_mfcc(y, sr, size=3): extract MFCC feature :param y: np.ndarray [shape=(n,)], real-valued the input signal (audio time series) :param sr: sample rate of 'y' :param size: the length (seconds) of random crop from original audio, default as 3 seconds :return: MFCC feature # normalization y = y.astype(np.float32) normalization_factor = 1 / np.max(np.abs(y)) y, sr = lib ros a.core. load ('audio_file.wav') 其中，'audio_file.wav' 是你要加载的 音频 文件的路径，y 是加载后的 音频 数据，sr 是 采样率 。 你可以通过以下方式获取 音频 的时长： duration = lib ros a.core.get_duration(y=y, sr=sr) 其中，duration 是 音频 的时长，单位为秒。