利用python代码实现录音、音频回放、时域波形图、频谱图、时频图等功能展示。

1.导入数据库

<code>import pyaudio

import wave

import librosa

import librosa.display

import matplotlib.pyplot as plt

import numpy as np

from IPython.display import Audio # IPython提供了播放音频的工具

librosa数据库功能介绍：

librosa 是一个用于音乐和音频分析的Python库，它是开源的，并且专门设计用于处理音频信号。librosa 提供了一系列用于音频和音乐处理的功能，包括但不限于：

librosa.display模块功能介绍：

librosa.display 是 librosa 库中的一个模块，它提供了一系列用于可视化音频和音乐数据的函数和工具。这些工具可以帮助用户更直观地理解音频信号的特性和分析结果。使用 librosa.display 进行可视化时，通常需要先通过 librosa 计算音频的特征，然后使用 librosa.display 函数将这些特征绘制成图形。以下是一些librosa.display 模块中常用的功能：

matplotlib数据库功能介绍：

matplotlib 是一个 Python 的绘图库，广泛用于数据可视化。它提供了一个类似于 MATLAB 的绘图框架，使得用户可以轻松地创建各种静态、交互式和动画图表。matplotlib 特别适合用于生成出版质量的图表，并且支持多种输出格式，包括 PNG、PDF、SVG 等。以下是 matplotlib 的一些关键特性：

IPython.display模块功能介绍：

IPython.display 是 IPython 库中的一个模块，它提供了一组用于在 IPython 环境中展示数据和媒体内容的类和函数。IPython 是一个交互式 Python 解释器，广泛用于科学计算、数据分析和研究。IPython.display 模块允许用户在 IPython 笔记本（如 Jupyter Notebook）中展示各种类型的数据和媒体，包括 HTML、图片、视频、音频、Latex 公式等。以下是 IPython.display 模块的一些常用功能：

2.录制音频

FORMAT = pyaudio.paInt16 # 音频格式

CHANNELS = 1 # 声道数，1表示单声道

RATE = 44100 # 采样率，单位Hz

# 初始化PyAudio

audio = pyaudio.PyAudio()

# 打开音频流

stream = audio.open(format=FORMAT,channels=CHANNELS,rate=RATE,input=True,frames_per_buffer=1024)

# 创建一个空的列表来存储录制的音频帧

frames = []

print("录制中，按'q'结束...")

try:

while True:

data = stream.read(1024) # 读取音频数据

frames.append(data) # 将音频数据添加到列表中

except KeyboardInterrupt: # 手动结束录音，按'q'退出

print("\n录制结束.")

# 停止并关闭音频流

stream.stop_stream()

stream.close()

audio.terminate()

# 将录制的音频数据写入wav文件

filename = "recording.wav"

with wave.open(filename, 'wb') as wf:

wf.setnchannels(CHANNELS)

wf.setsampwidth(audio.get_sample_size(FORMAT))

wf.setframerate(RATE)

wf.writeframes(b''.join(frames))

print(f"录音保存为 {filename}")

输出结果展示：

录制中，按'q'结束...

录制结束.

录音保存为 recording.wav

3.录音文件回放

audio_path = r'path_to_audio_file.wav'

audio,sr = librosa.load(audio_path,sr=25600) #返回两个参数，振幅矩阵和采样率

Audio(audio_path) # 播放音频

输出结果展示为录音回放（编辑器无法展示，这里只作截图展示），如下：

4.时域波形

<code>plt.figure(figsize = (18,6))

librosa.display.waveshow(audio,sr=25600)

plt.xlabel('Time')

plt.ylabel('Amplitude')

plt.show()

输出结果展示：

5.频谱图

<code># 绘制频谱图

## 1.先进行傅里叶变换

# numpy.fft.fft.(x,n=none,axis=-1,norm=none)

# x：输入数组数据或信号

# n：输出频率点数量，如果n＞x，则充0，如果n＜x，则被截断

# axis：表示沿哪个轴进行FFT，常用多维数组

# norm：指定FFT的规范形式

audio_ft = np.fft.fft(audio)

## 2.绘图

def plot_magnitude_spectrum(signal,sr,f_ratio=1):

x = np.fft.fft(signal) #快速傅里叶变换

x_mag = np.absolute(x) #取幅值

plt.figure(figsize = (18,5))

f = np.linspace(0,sr,len(x_mag)) # 创建[0,采样率]的等差数列

f_bins = int(len(x_mag)*f_ratio) # 条形块的数量

plt.plot(f[:f_bins],x_mag[:f_bins])

plt.xlabel('Frequency (Hz)')

plot_magnitude_spectrum(audio_ft,sr,1)

输出结果展示：

<code># 展示局部结果

plot_magnitude_spectrum(audio_ft,sr,0.01)

输出结果展示：

6.时频图

展示两种时频图绘制方法：

方法一：

<code>from scipy.io import wavfile

from scipy.signal import spectrogram

# 加载音频文件

sample_rate, data = wavfile.read(audio_path)

# 确保音频数据是一维的（单声道）

if len(data.shape) == 2:

data = data.mean(axis=1)

# 计算频谱

f, t, Sxx = spectrogram(data, fs=sample_rate)

# 将功率谱转换为10倍对数

Sxx_dB = 10 * np.log10(Sxx)

# 绘制倍频程图

plt.figure(figsize=(10, 6))

plt.pcolormesh(t, f, Sxx_dB, shading='gouraud')code>

plt.title('Audio Octave Frequency Plot')

plt.xlabel('Time (seconds)')

plt.ylabel('Frequency (Hz)')

plt.colorbar(label='Power (dB)')code>

plt.show()

输出结果展示：

方法二：

<code># 绘制音频频谱图

plt.figure(figsize=(10,6))

librosa.display.specshow(librosa.amplitude_to_db(librosa.stft(audio)), y_axis='log', x_axis='time')code>

plt.colorbar(format='%2.0f dB')code>

plt.title('Spectrogram')

plt.xlabel('Time(s)')

plt.ylabel('f (Hz)')

plt.show()

输出结果展示：

最后：

文中频率分析结果看起来有些问题，因作者水平有限，还未解决。频谱分析的角度比较广泛，后续会尝试加入倍频谱、计权分析，同时将每个模块代码写成函数，也会尝试写入GUI。