### 如何用Python读取音频文件并生成频谱图 #### 使用Librosa库加载音频文件 通过`librosa`库可以方便地加载音频文件，并提取其采样率和时间序列数据。这一步是生成频谱图的基础。 ```python import librosa import matplotlib.pyplot as plt # 加载音频文件 audio_file = 'example_audio.wav' y, sr = librosa.load(audio_file, sr=None) # sr=None 表示保持原始采样率[^1] # 显示波形 plt.figure(figsize=(10, 4)) librosa.display.waveplot(y, sr=sr) plt.title('Waveform') plt.show() ``` #### 计算短时傅里叶变换（STFT） 为了生成频谱图，需要计算音频信号的短时傅里叶变换（Short-Time Fourier Transform）。这是将时域信号转换为频域表示的关键步骤。 ```python D = librosa.stft(y) # 对音频信号执行 STFT S_db = librosa.amplitude_to_db(np.abs(D), ref=np.max) # 将幅度转换为分贝刻度[^4] ``` #### 绘制频谱图 利用Matplotlib绘制频谱图，其中横轴表示时间，纵轴表示频率，颜色深浅表示能量强度。 ```python plt.figure(figsize=(10, 6)) librosa.display.specshow(S_db, sr=sr, x_axis='time', y_axis='log') # log 频率尺度更接近人类听觉感受 plt.colorbar(format='%+2.0f dB') plt.title('Spectrogram') plt.tight_layout() plt.show() ``` #### 可选方法：使用SciPy进行FFT分析 如果仅需简单的快速傅里叶变换（FFT），也可以借助`scipy.fft`模块完成类似的频谱图生成任务。 ```python from scipy.fftpack import fft import numpy as np N = len(y) # 数据点数 T = 1 / sr # 采样间隔 xf = np.linspace(0.0, 1.0/(2.0*T), N//2) # 执行 FFT 并截取正半部分 yf = fft(y) fft_magnitude = 2/N * np.abs(yf[:N//2]) # 绘制频谱图 plt.plot(xf, fft_magnitude) plt.grid() plt.xlabel('Frequency (Hz)') plt.ylabel('Amplitude') plt.title('FFT Spectrum') plt.show() ``` 上述代码展示了两种实现方式：一种基于`librosa`的专业音频处理功能，另一种则依赖于基础科学计算工具包`scipy`来完成简单频谱分析。 ---