你有没有常常好奇一些音乐软件的频谱特效是怎么作的,为何作的这么好看?有没有想试试本身提取音乐频谱并可视化展示出来?今天,咱就结合上次的音乐剪辑操做:python
来可视化下面这首歌曲的频谱!编辑器
开始以前,你要确保Python和pip已经成功安装在电脑上,若是没有,请访问这篇文章:超详细Python安装指南 进行安装。spa
Windows环境下打开Cmd(开始—运行—CMD),苹果系统环境下请打开Terminal(command+空格输入Terminal),准备开始输入命令安装依赖。code
固然,我更推荐你们用VSCode编辑器,把本文代码Copy下来,在编辑器下方的终端装依赖模块,多舒服的一件事啊:Python 编程的最好搭档—VSCode 详细指南。教程
输入如下命令安装本文所须要的依赖模块:事件
pip install pydub pip install librosa
看到 Successfully installed xxx 则说明安装成功。ip
使用librosa和matplot,咱们能够用10行代码完整地展现整个频谱:rem
import matplotlib.pyplot as plt import librosa.display # 音乐文件载入 audio_path = 'Fenn.mp3' music, sr = librosa.load(audio_path) # 宽高比为14:5的图 plt.figure(figsize=(14, 5)) librosa.display.waveplot(music, sr=sr) # 显示图 plt.show()
不过,这样的频谱是整段音乐的,看起来很是难看,接下来咱们使用 pydub 切割频谱,以得到更佳的效果。咱们细分到0到1秒的区段来查看频谱:get
import matplotlib.pyplot as plt import librosa.display import numpy as np from pydub import AudioSegment # 1秒=1000毫秒 SECOND = 1000 # 音乐文件 AUDIO_PATH = 'Fenn.mp3' def split_music(begin, end, filepath): # 导入音乐 song = AudioSegment.from_mp3(filepath) # 取begin秒到end秒间的片断 song = song[begin*SECOND: end*SECOND] # 存储为临时文件作备份 temp_path = 'backup/'+filepath song.export(temp_path) return temp_path music, sr = librosa.load(split_music(0, 1, AUDIO_PATH)) # 宽高比为14:5的图 plt.figure(figsize=(14, 5)) librosa.display.waveplot(music, sr=sr) plt.show()
这下细是细了,可是仍是太复杂了,其实咱们作频谱的展现,只须要正值便可:
而后咱们还能够进一步放大,好比说0.9秒到1秒之间的频谱:
n0 = 9000
n1 = 10000
music = np.array([mic for mic in music if mic > 0])
plt.figure(figsize=(14, 5))
plt.plot(music[n0:n1])
plt.grid()
plt.show()
这样好看许多,不过若是要达成QQ音乐那种效果,仍是须要进行大量改造。
好比用精美的图像元素来填充替代、而后零值如何处理?如何让频谱更加平稳?此外,咱们是静态的图像,还须要根据事件动态地延续波段。
用于生产的代码确定比咱们这简易的代码更加复杂,并且也不该该是暴力去除负值绘制图像。这些有兴趣的读者能够自行研究啦。
咱们的文章到此就结束啦,若是你但愿咱们今天的Python 实战教程,请持续关注咱们,若是对你有帮助,麻烦在下面点一个赞/在看哦,有任何问题均可以在下方留言区留言,咱们都会耐心解答的!
Python实用宝典
不仅是一个宝典
欢迎关注公众号:Python实用宝典
原文来自Python实用宝典:Python 提取音乐频谱并可视化