网站上线稳定后的工作,杭州市建设局网站,哪里有网站推广优化,网站用户体验准则1 librosa介绍
Librosa是一个用于音频和音乐分析的Python库#xff0c;专为音乐信息检索#xff08;Music Information Retrieval#xff0c;MIR#xff09;社区设计。自从2015年首次发布以来#xff0c;Librosa已成为音频分析和处理领域中最受欢迎的工具之一。它提供了一…1 librosa介绍
Librosa是一个用于音频和音乐分析的Python库专为音乐信息检索Music Information RetrievalMIR社区设计。自从2015年首次发布以来Librosa已成为音频分析和处理领域中最受欢迎的工具之一。它提供了一套清晰、高效的函数来处理音频信号并提取音乐和音频中的信息。 Librosa在音乐和音频分析方面提供了强大而灵活的工具适用于从基础研究到实际应用的各个层面。它的广泛应用和强大功能使其成为音频分析领域的重要工具之一。与其他工具相比Librosa存在如下优势 易用性 Librosa的API设计简洁直观便于快速上手和使用。 功能丰富 提供了广泛的音频分析和处理功能。 灵活性 可以轻松集成到更复杂的音频处理和机器学习流程中。 社区支持 强大的社区支持确保了持续的发展和维护。
官网地址https://librosa.org/doc/latest/index.html
1.1 核心特性
1.1.1 音频信号处理 读取和写入 Librosa支持读取和写入多种格式的音频文件包括常见的WAV、MP3、FLAC等。 重采样 支持对音频信号进行重采样即改变音频的采样率。
1.1.2 音频特征提取 频谱特征 包括短时傅里叶变换STFT、梅尔频谱Mel-spectrogram、色度频谱Chromagram等。 时域特征 如零交叉率Zero-Crossing Rate、能量RMS Energy等。
1.1.3 音乐节拍和节奏分析 节拍跟踪 自动检测音频中的节拍和节奏。 时序分段 根据节奏将音乐分割成小段。
1.1.4 音高和音调检测 音高提取 从音频信号中提取音高信息用于旋律分析和音乐转录。 音调识别 识别音频片段中的音调。
1.2 应用领域
1.2.1 音乐信息检索 音乐分类和标注 根据音频特征将音乐自动分类如流派、情感等。 音乐推荐系统 根据音频分析提供个性化音乐推荐。
1.2.2 音频分析 语音处理 在语音识别和语音合成中分析语音信号。 环境声音识别 识别和分类环境中的各种声音。
1.2.3 音乐制作和编辑 自动音乐剪辑 根据节奏和节拍自动剪辑音乐。 音乐可视化 制作音乐的频谱可视化。
1.3 常用函数 load: 加载音频文件 stft: 短时傅里叶变换 istft: 短时傅里叶逆变换 magphase: 将STFT表示转换为幅度和相位表示 mel: 计算梅尔频率 melspectrogram: 计算梅尔频谱 mfcc: 计算MFCC系数 chroma_stft: 计算STFT表示的色度分布 onset_detect: 检测音频信号的起点 tempogram: 计算节奏图 beat_track: 通过节奏图确定节拍位置 cqt: 计算常量Q变换 cqt_hz_to_note: 将频率转换为音符 note_to_hz: 将音符转换为频率 2 librosa使用
2.1 librosa安装
pip install librosa
2.2 加载音频文件
函数原型
librosa.load(path, sr22050, monoTrue, offset0.0, durationNone) 读取音频文件默认采样率是22050如果要保留音频的原始采样率使用sr None。 参数 path 音频文件的路径。 sr 采样率如果为“None”使用音频自身的采样率 mono bool是否将信号转换为单声道 offset float在此时间之后开始阅读以秒为单位 持续时间float仅加载这么多的音频以秒为单位 返回 y 音频时间序列 sr 音频的采样率 librosa.load 函数返回的时间序列是一个一维数组表示音频信号在时间轴上的采样值。在 librosa中时间轴的方向是沿着数组的第一个轴即 axis0。 因此数组的每个元素代表了时间轴上的一个采样点。 例如如果采样率为22050Hz那么每秒会有 22050 个采样点我们可以将其理解为在时间轴上每隔1/22050秒就采集一次音频信号的值。 因此如果音频的长度为T秒那么librosa.load函数返回的时间序列就是一个长度为T×sr的一维数组其中sr是采样率。 需要注意的是返回的时间序列并不一定是归一化的也不一定是整数类型。在后续的处理中我们通常需要对其进行归一化、类型转换等操作。
import librosaaudio_data ../data/mel001.wav
data, sr librosa.load(audio_data)
print(采样率, sr)
print(数据长度, data.shape)
print(数据, data)
运行代码显示
采样率 22050
数据长度 (4879296,)
数据 [0. 0. 0. ... 0. 0. 0.]2.3 重采样
函数原型
librosa.resample(y, orig_sr, target_sr, fixTrue, scaleFalse) 重新采样从orig_sr到target_sr的时间序列 参数 y 音频时间序列。可以是单声道或立体声。 orig_sr y的原始采样率 target_sr 目标采样率 fixbool调整重采样信号的长度使其大小恰好为len(y)/orig_sr*target_srt∗target_sr scalebool缩放重新采样的信号以使y和y_hat具有大约相等的总能量。 返回 y_hat 重采样之后的音频数组 示例代码
import librosaaudio_data ../data/mel001.wav
data, sr librosa.load(audio_data)y_hat librosa.resample(data, orig_sr22050, target_sr44100)
print(原始数据长度, data.shape)
print(重采样后数据长度, y_hat.shape)运行代码显示
原始数据长度 (4879296,)
重采样后数据长度 (9758592,)
2.4 读取时长
函数原型
librosa.get_duration(yNone, sr22050, SNone, n_fft2048, hop_length512, centerTrue, filenameNone) 计算时间序列的的持续时间以秒为单位 参数 y 音频时间序列 sr y的音频采样率 S STFT矩阵或任何STFT衍生的矩阵例如色谱图或梅尔频谱图。根据频谱图输入计算的持续时间仅在达到帧分辨率之前才是准确的。如果需要高精度则最好直接使用音频时间序列。 n_fft S的 FFT窗口大小 hop_length S列之间的音频样本数 center 布尔值 如果为True则S [:, t]的中心为y [t * hop_length] 如果为False则S [:, t]从y[t * hop_length]开始 filename 如果提供则所有其他参数都将被忽略并且持续时间是直接从音频文件中计算得出的。 返回 d 持续时间以秒为单位 示例代码
import librosaaudio_data ../data/mel001.wav
data, sr librosa.load(audio_data)
y_hat librosa.resample(data, orig_sr22050, target_sr44100)
duration1 librosa.get_duration(ydata)
duration2 librosa.get_duration(yy_hat, sr44100)
print(原始时长, duration1)
print(重采样后时长, duration2)
运行代码显示
原始时长 221.28326530612244
重采样后时长 221.28326530612244
2.5 读取采样率
函数原型
librosa.get_samplerate(path) 参数 path 音频文件的路径 返回音频文件的采样率 示例代码
import librosaaudio_data ../data/mel001.wav
sr librosa.get_samplerate(audio_data)
print(采样率, sr)
运行代码显示
采样率 44100
2.6 写音频
函数原型
librosa.output.write_wav(path, y, sr, normFalse) 将时间序列输出为.wav文件 参数 path保存输出wav文件的路径 y 音频时间序列。 sr y的采样率 normbool是否启用幅度归一化。将数据缩放到[-11]范围。 在0.8.0以后的版本librosa这个函数已经删除推荐用下面的函数
import soundfile
soundfile.write(file, data, samplerate) 参数 file保存输出wav文件的路径 data音频数据 samplerate采样率 示例代码
import librosa
import soundfileaudio_data ../data/mel001.wav
data, sr librosa.load(audio_data)
y_hat librosa.resample(data, orig_sr22050, target_sr44100)
soundfile.write(../data/re_mel001.wav, data, 44100)
2.7 过零率
函数原型
librosa.feature.zero_crossing_rate(y, frame_length 2048, hop_length 512, center True) 计算音频时间序列的过零率。 参数 y 音频时间序列 frame_length 帧长 hop_length 帧移 centerbool如果为True则通过填充y的边缘来使帧居中。 返回 zcrzcr[0i]是第i帧中的过零率 示例代码
import librosaaudio_data ../data/mel001.wav
data, sr librosa.load(audio_data, sr44100)
print(librosa.feature.zero_crossing_rate(data))
print(data.shape)
运行代码显示
[[0. 0. 0. ... 0. 0. 0.]]
(9758592,)
2.8 波形图
函数原型
librosa.display.waveshow(y,*,sr22050,max_points11025,x_axistime,offset0.0,marker,wherepost,labelNone,axNone,**kwargs,) 绘制波形的幅度包络线 参数 y 音频时间序列 sr y的采样率 x_axis str {‘time’‘off’‘none’}或None如果为“时间”则在x轴上给定时间刻度线。 offset水平偏移以秒为单位开始波形图 示例代码
import librosa
import librosa.display
import matplotlib.pyplot as plty, sr librosa.load(../data/mel001.wav, duration20)
librosa.display.waveshow(y, srsr)
plt.show()
运行代码显示 2.9 短时傅里叶变换
librosa.stft(y, n_fft2048, hop_lengthNone, win_lengthNone, windowhann, centerTrue, pad_modereflect) 短时傅立叶变换STFT返回一个复数矩阵D(FT) 参数 y音频时间序列 n_fftFFT窗口大小n_ffthop_lengthoverlapping hop_length帧移如果未指定则默认win_length/4。 win_length每一帧音频都由window加窗。窗长win_length然后用零填充以匹配N_FFT。默认win_lengthn_fft。 window字符串元组数字函数 shape n_fft, ) 窗口字符串元组或数字 窗函数例如scipy.signal.hanning 长度为n_fft的向量或数组 centerbool 如果为True则填充信号y以使帧 D [:, t]以y [t * hop_length]为中心。 如果为False则D [:, t]从y [t * hop_length]开始 dtypeD的复数值类型。默认值为64-bit complex复数 pad_mode如果center True则在信号的边缘使用填充模式。默认情况下STFT使用reflection padding。 返回 STFT矩阵shape 1 n(fft)/2t 2.10 幅值和相位
函数原型
librosa.magphase(D, power1) librosa提供了专门将复数矩阵D(F, T)分离为幅值S和相位P的函数D S * P 参数 D经过stft得到的复数矩阵power幅度谱的指数例如1代表能量2代表功率等等。 返回 D_mag幅值DD_phase相位P phase exp(1.j * phi) phi 是复数矩阵的相位角 np.angle(D) 2.11 短时傅里叶逆变换
函数原型
librosa.istft(stft_matrix, hop_lengthNone, win_lengthNone, windowhann, centerTrue, lengthNone) 短时傅立叶逆变换ISTFT将复数值D(f,t)频谱矩阵转换为时间序列y窗函数、帧移等参数应与stft相同 参数 stft_matrix 经过STFT之后的矩阵 hop_length 帧移默认为 win_length 窗长默认为n_fft window字符串元组数字函数或shape (n_fft, ) 窗口字符串元组或数字 窗函数例如scipy.signal.hanning 长度为n_fft的向量或数组 centerbool 如果为True则假定D具有居中的帧 如果False则假定D具有左对齐的帧 length如果提供则输出y为零填充或剪裁为精确长度音频 返回 y 时域信号 2.12 功率转dB
函数原型
librosa.core.power_to_db(S, ref1.0) 将功率谱(幅值平方)转换为dB单位与这个函数相反的是 librosa.db_to_power(S) 参数 S输入功率 ref 参考值振幅abs(S)相对于ref进行缩放 返回 dB为单位的S 示例代码
import librosa
import librosa.display
import numpy as np
import matplotlib.pyplot as plty, sr librosa.load(../data/mel001.wav)
S np.abs(librosa.stft(y)) # 幅值
print(librosa.power_to_db(S ** 2))
plt.figure()
plt.subplot(2, 1, 1)
librosa.display.specshow(S ** 2, srsr, y_axislog) # 绘制功率谱
plt.colorbar()
plt.title(Power spectrogram)
plt.subplot(2, 1, 2)
# 相对于峰值功率计算dB, 那么其他的dB都是负的注意看后边cmp值
librosa.display.specshow(librosa.power_to_db(S ** 2, refnp.max), srsr, y_axislog, x_axistime) # 绘制对数功率谱
plt.colorbar(format%2.0f dB)
plt.title(Log-Power spectrogram)
plt.set_cmap(autumn)
plt.tight_layout()
plt.show()
运行代码显示
[[-35.042385 -35.042385 -35.042385 ... -35.042385 -35.042385 -35.042385][-35.042385 -35.042385 -35.042385 ... -35.042385 -35.042385 -35.042385][-35.042385 -35.042385 -35.042385 ... -35.042385 -35.042385 -35.042385]...[-35.042385 -35.042385 -35.042385 ... -35.042385 -35.042385 -35.042385][-35.042385 -35.042385 -35.042385 ... -35.042385 -35.042385 -35.042385][-35.042385 -35.042385 -35.042385 ... -35.042385 -35.042385 -35.042385]] 2.13 绘制频谱图
librosa.display.specshow(data, x_axisNone, y_axisNone, sr22050, hop_length512) 参数 data要显示的矩阵 sr 采样率 hop_length 帧移 x_axis 、y_axis x和y轴的范围 频率类型 ‘linear’‘fft’‘hz’频率范围由FFT窗口和采样率确定 ‘log’频谱以对数刻度显示 ‘mel’频率由mel标度决定 时间类型 time标记以毫秒秒分钟或小时显示。值以秒为单位绘制。 s标记显示为秒。 ms标记以毫秒为单位显示。 所有频率类型均以Hz为单位绘制
import librosa
import librosa.display
import numpy as np
import matplotlib.pyplot as plty, sr librosa.load(../data/mel001.wav)
plt.figure()D librosa.amplitude_to_db(np.abs(librosa.stft(y)), refnp.max)
plt.subplot(2, 1, 1)
librosa.display.specshow(D, y_axislinear)
plt.colorbar(format%2.0f dB)
plt.title(线性频率功率谱)plt.subplot(2, 1, 2)
librosa.display.specshow(D, y_axislog)
plt.colorbar(format%2.0f dB)
plt.title(对数频率功率谱)
plt.show()
运行代码显示 2.14 Mel滤波器组
librosa.filters.mel(sr, n_fft, n_mels128, fmin0.0, fmaxNone, htkFalse, norm1) 创建一个滤波器组矩阵以将FFT合并成Mel频率 参数 sr 输入信号的采样率 n_fft FFT组件数 n_mels 产生的梅尔带数 fmin 最低频率Hz fmax最高频率以Hz为单位。如果为None则使用fmax sr / 2.0 norm{None1np.inf} [标量] 如果为1则将三角mel权重除以mel带的宽度区域归一化。否则保留所有三角形的峰值为1.0 返回 Mel变换矩阵 import librosa
import librosa.display
import matplotlib.pyplot as pltmelfb librosa.filters.mel(sr22050, n_fft2048)
plt.figure()
librosa.display.specshow(melfb, x_axislinear)
plt.ylabel(Mel filter)
plt.title(Mel filter bank)
plt.colorbar()
plt.tight_layout()
plt.show()
运行代码显示 2.15 计算Mel频谱
librosa.feature.melspectrogram(yNone, sr22050, SNone, n_fft2048, hop_length512, win_lengthNone, windowhann, centerTrue, pad_modereflect, power2.0) 如果提供了频谱图输入S则通过mel_f.dotS将其直接映射到mel_f上。如果提供了时间序列输入ysr则首先计算其幅值频谱S然后通过mel_f.dotS ** power将其映射到mel scale上 。默认情况下power 2在功率谱上运行。 参数 y 音频时间序列 sr 采样率 S 频谱 n_fft FFT窗口的长度 hop_length 帧移 win_length 窗口的长度为win_length默认win_length n_fft window 字符串元组数字函数或shape n_fft, ) 窗口规范字符串元组或数字看到scipy.signal.get_window 窗口函数例如 scipy.signal.hanning 长度为n_fft的向量或数组 centerbool 如果为True则填充信号y以使帧 t以y [t * hop_length]为中心。 如果为False则帧t从y [t * hop_length]开始 power幅度谱的指数。例如1代表能量2代表功率等等 n_mels滤波器组的个数 1288 fmax最高频率 返回 Mel频谱shape(n_mels, t) import librosa
import librosa.display
import numpy as np
import matplotlib.pyplot as plty, sr librosa.load(../data/mel001.wav)
# 方法一使用时间序列求Mel频谱
print(librosa.feature.melspectrogram(yy, srsr))# 方法二使用stft频谱求Mel频谱
D np.abs(librosa.stft(y)) ** 2 # stft频谱
S librosa.feature.melspectrogram(SD) # 使用stft频谱求Mel频谱plt.figure(figsize(10, 4))
librosa.display.specshow(librosa.power_to_db(S, refnp.max), y_axismel, fmax8000, x_axistime)
plt.colorbar(format%2.0f dB)
plt.title(Mel spectrogram)
plt.tight_layout()
plt.show()
运行代码显示
[[0. 0. 0. ... 0. 0. 0.][0. 0. 0. ... 0. 0. 0.][0. 0. 0. ... 0. 0. 0.]...[0. 0. 0. ... 0. 0. 0.][0. 0. 0. ... 0. 0. 0.][0. 0. 0. ... 0. 0. 0.]] 2.16 提取Log-Mel Spectrogram特征
Log-Mel Spectrogram特征是目前在语音识别和环境声音识别中很常用的一个特征由于CNN在处理图像上展现了强大的能力使得音频信号的频谱图特征的使用愈加广泛甚至比MFCC使用的更多。在librosa中Log-Mel Spectrogram特征的提取只需几行代码
import librosay, sr librosa.load(../data/mel001.wav, sr16000)# 提取 mel spectrogram feature
melspec librosa.feature.melspectrogram(yy, srsr, n_fft1024, hop_length512, n_mels128)# 转换到对数刻度
logmelspec librosa.power_to_db(melspec)
print(logmelspec.shape)
运行代码显示
(128, 6916)
可见Log-Mel Spectrogram特征是二维数组的形式128表示Mel频率的维度频域64为时间帧长度时域所以Log-Mel Spectrogram特征是音频信号的时频表示特征。其中n_fft指的是窗的大小这里为1024hop_length表示相邻窗之间的距离这里为512也就是相邻窗之间有50%的overlapn_mels为mel bands的数量这里设为128。
2.17 提取MFCC系数
MFCC特征是一种在自动语音识别和说话人识别中广泛使用的特征。在librosa中提取MFCC特征只需要一个函数
librosa.feature.mfcc(yNone, sr22050, SNone, n_mfcc20, dct_type2, normortho, **kwargs) 参数 y音频数据 sr采样率 Snp.ndarray对数功能梅尔谱图 n_mfccint0要返回的MFCC数量 dct_typeNone, or {1, 2, 3} 离散余弦变换DCT类型。默认情况下使用DCT类型2。 norm None or ‘ortho’ 规范。如果dct_type为2或3则设置norm ’ortho’使用正交DCT基础。 标准化不支持dct_type 1。 返回 M MFCC序列 import librosay, sr librosa.load(../data/mel001.wav, sr16000)# 提取 MFCC feature
mfccs librosa.feature.mfcc(yy, srsr, n_mfcc40)
print(mfccs.shape)
运行代码显示
(40, 6916)
线性谱、梅尔谱、对数谱经过FFT变换后得到语音数据的线性谱对线性谱取Mel系数得到梅尔谱对线性谱取对数得到对数谱。 3 librosa函数集
2.1 Audio loading load(path, *[, sr, mono, offset, duration, ...]) Load an audio file as a floating point time series. stream(path, *, block_length, frame_length, ...) Stream audio in fixed-length buffers. to_mono(y) Convert an audio signal to mono by averaging samples across channels. resample(y, *, orig_sr, target_sr[, ...]) Resample a time series from orig_sr to target_sr get_duration(*[, y, sr, S, n_fft, ...]) Compute the duration (in seconds) of an audio time series, feature matrix, or filename. get_samplerate(path) Get the sampling rate for a given fil
2.2 Time-domain processing autocorrelate(y, *[, max_size, axis]) Bounded-lag auto-correlation lpc(y, *, order[, axis]) Linear Prediction Coefficients via Burgs method zero_crossings(y, *[, threshold, ...]) Find the zero-crossings of a signal y: indices i such that sign(y[i]) ! sign(y[j]). mu_compress(x, *[, mu, quantize]) mu-law compression mu_expand(x, *[, mu, quantize]) mu-law expansion
2.3 Signal generation clicks(*[, times, frames, sr, hop_length, ...]) Construct a click track. tone(frequency, *[, sr, length, duration, phi]) Construct a pure tone (cosine) signal at a given frequency. chirp(*, fmin, fmax[, sr, length, duration, ...]) Construct a chirp or sine-sweep signal.
2.4 Spectral representations stft(y, *[, n_fft, hop_length, win_length, ...]) Short-time Fourier transform (STFT). istft(stft_matrix, *[, hop_length, ...]) Inverse short-time Fourier transform (ISTFT). reassigned_spectrogram(y, *[, sr, S, n_fft, ...]) Time-frequency reassigned spectrogram. cqt(y, *[, sr, hop_length, fmin, n_bins, ...]) Compute the constant-Q transform of an audio signal. icqt(C, *[, sr, hop_length, fmin, ...]) Compute the inverse constant-Q transform. hydrid_cqt(y, *[, sr, hop_length, fmin, ...]) Compute the hybrid constant-Q transform of an audio signal. pseudo_cqt(y, *[, sr, hop_length, fmin, ...]) Compute the pseudo constant-Q transform of an audio signal. vqt(y, *[, sr, hop_length, fmin, n_bins, ...]) Compute the variable-Q transform of an audio signal. iirt(y, *[, sr, win_length, hop_length, ...]) Time-frequency representation using IIR filters fmt(y, *[, t_min, n_fmt, kind, beta, ...]) Fast Mellin transform (FMT) magphase(D, *[, power]) Separate a complex-valued spectrogram D into its magnitude (S) and phase (P) components, so that D S * P.
2.5 Phase recovery griffinlim(S, *[, n_iter, hop_length, ...]) Approximate magnitude spectrogram inversion using the fast Griffin-Lim algorithm. griffinlim_cqt(C, *[, n_iter, sr, ...]) Approximate constant-Q magnitude spectrogram inversion using the fast Griffin-Lim algorithm.
2.6 Harmonics interp_harmonics(x, *, freqs, harmonics[, ...]) Compute the energy at harmonics of time-frequency representation. salience(S, *, freqs, harmonics[, weights, ...]) Harmonic salience function. f0_harmonics(x, *, f0, freqs, harmonics[, ...]) Compute the energy at selected harmonics of a time-varying fundamental frequency. phase_vocoder(D, *, rate[, hop_length, n_fft]) Phase vocoder.
2.7 Magnitude scaling amplitude_to_db(S, *[, ref, amin, top_db]) Convert an amplitude spectrogram to dB-scaled spectrogram. db_to_amplitude(S_db, *[, ref]) Convert a dB-scaled spectrogram to an amplitude spectrogram. power_to_db(S, *[, ref, amin, top_db]) Convert a power spectrogram (amplitude squared) to decibel (dB) units db_to_power(S_db, *[, ref]) Convert a dB-scale spectrogram to a power spectrogram. perceptual_weighting(S, frequencies, *[, kind]) Perceptual weighting of a power spectrogram. frequency_weighting(frequencies, *[, kind]) Compute the weighting of a set of frequencies. multi_frequency_weighting( frequencies, *[, ...]) Compute multiple weightings of a set of frequencies. A_weighting(frequencies, *[, min_db]) Compute the A-weighting of a set of frequencies. B_weighting(frequencies, *[, min_db]) Compute the B-weighting of a set of frequencies. C_weighting(frequencies, *[, min_db]) Compute the C-weighting of a set of frequencies. D_weighting(frequencies, *[, min_db]) Compute the D-weighting of a set of frequencies. pcen(S, *[, sr, hop_length, gain, bias, ...]) Per-channel energy normalization (PCEN)
2.8 Time unit conversion frames_to_samples(frames, *[, hop_length, n_fft]) Convert frame indices to audio sample indices. frames_to_time(frames, *[, sr, hop_length, ...]) Convert frame counts to time (seconds). samples_to_frames(samples, *[, hop_length, ...]) Convert sample indices into STFT frames. samples_to_time(samples, *[, sr]) Convert sample indices to time (in seconds). time_to_frames(times, *[, sr, hop_length, n_fft]) Convert time stamps into STFT frames. time_to_samples(times, *[, sr]) Convert timestamps (in seconds) to sample indices. blocks_to_frames(blocks, *, block_length) Convert block indices to frame indices blocks_to_samples(blocks, *, block_length, ...) Convert block indices to sample indices blocks_to_time(blocks, *, block_length, ...) Convert block indices to time (in seconds)
2.9 Frequency unit conversion hz_to_note(frequencies, **kwargs) Convert one or more frequencies (in Hz) to the nearest note names. hz_to_midi(frequencies) Get MIDI note number(s) for given frequencies hz_to_svara_h(frequencies, *, Sa[, abbr, ...]) Convert frequencies (in Hz) to Hindustani svara hz_to_svara_c(frequencies, *, Sa, mela[, ...]) Convert frequencies (in Hz) to Carnatic svara hz_to_fjs(frequencies, *[, fmin, unison, ...]) Convert one or more frequencies (in Hz) from a just intonation scale to notes in FJS notation. midi_to_hz(notes) Get the frequency (Hz) of MIDI note(s) midi_to_note(midi, *[, octave, cents, key, ...]) Convert one or more MIDI numbers to note strings. midi_to_svara_h(midi, *, Sa[, abbr, octave, ...]) Convert MIDI numbers to Hindustani svara midi_to_svara_c(midi, *, Sa, mela[, abbr, ...]) Convert MIDI numbers to Carnatic svara within a given melakarta raga note_to_hz(note, **kwargs) Convert one or more note names to frequency (Hz) note_to_midi(note, *[, round_midi]) Convert one or more spelled notes to MIDI number(s). note_to_svara_h(notes, *, Sa[, abbr, ...]) Convert western notes to Hindustani svara note_to_svara_c(notes, *, Sa, mela[, abbr, ...]) Convert western notes to Carnatic svara hz_to_mel(frequencies, *[, htk]) Convert Hz to Mels hz_to_octs(frequencies, *[, tuning, ...]) Convert frequencies (Hz) to (fractional) octave numbers. mel_to_hz(mels, *[, htk]) Convert mel bin numbers to frequencies octs_to_hz(octs, *[, tuning, bins_per_octave]) Convert octaves numbers to frequencies. A4_to_tuning(A4, *[, bins_per_octave]) Convert a reference pitch frequency (e.g., A4435) to a tuning estimation, in fractions of a bin per octave. tuning_to_A4(tuning, *[, bins_per_octave]) Convert a tuning deviation (from 0) in fractions of a bin per octave (e.g., tuning-0.1) to a reference pitch frequency relative to A440.
2.9 Music notation key_to_notes(key, *[, unicode]) List all 12 note names in the chromatic scale, as spelled according to a given key (major or minor). key_to_degress(key) Construct the diatonic scale degrees for a given key. mela_to_svara(mela, *[, abbr, unicode]) Spell the Carnatic svara names for a given melakarta raga mela_to_degress(mela) Construct the svara indices (degrees) for a given melakarta raga thaat_to_degress(thaat) Construct the svara indices (degrees) for a given thaat list_mela() List melakarta ragas by name and index. list_thaat() List supported thaats by name. fifths_to_node(*, unison, fifths[, unicode]) Calculate the note name for a given number of perfect fifths from a specified unison. interval_to_fjs(interval, *[, unison, ...]) Convert an interval to Functional Just System (FJS) notation. interval_frequencies(n_bins, *, fmin, intervals) Construct a set of frequencies from an interval set pythagorean_intervals(*[, bins_per_octave, ...]) Pythagorean intervals plimit_intervals(*, primes[, ...]) Construct p-limit intervals for a given set of prime factors.
2.9 Frequency range generation fft_frequencies(*[, sr, n_fft]) Alternative implementation of np.fft.fftfreq cqt_frequencies(n_bins, *, fmin[, ...]) Compute the center frequencies of Constant-Q bins. mel_frequencies([n_mels, fmin, fmax, htk]) Compute an array of acoustic frequencies tuned to the mel scale. tempo_frequencies(n_bins, *[, hop_length, sr]) Compute the frequencies (in beats per minute) corresponding to an onset auto-correlation or tempogram matrix. fourier_tempo_frequencies(*[, sr, ...]) Compute the frequencies (in beats per minute) corresponding to a Fourier tempogram matrix.
2.10 Pitch and tuning pyin(y, *, fmin, fmax[, sr, frame_length, ...]) Fundamental frequency (F0) estimation using probabilistic YIN (pYIN). yin(y, *, fmin, fmax[, sr, frame_length, ...]) Fundamental frequency (F0) estimation using the YIN algorithm. estimate_tuning(*[, y, sr, S, n_fft, ...]) Estimate the tuning of an audio time series or spectrogram input. pitch_tuning(frequencies, *[, resolution, ...]) Given a collection of pitches, estimate its tuning offset (in fractions of a bin) relative to A440440.0Hz. piptrack(*[, y, sr, S, n_fft, hop_length, ...]) Pitch tracking on thresholded parabolically-interpolated STFT.
2.11 Miscellaneous samples_like(X, *[, hop_length, n_fft, axis]) Return an array of sample indices to match the time axis from a feature matrix. times_like(X, *[, sr, hop_length, n_fft, axis]) Return an array of time values to match the time axis from a feature matrix. get_fftlib() Get the FFT library currently used by librosa set_fftlib([lib]) Set the FFT library used by librosa.
