librosa是一个非常强大的python语音信号处理的第三方库本文主要总结了一些重要，对我来说，非常常用的功能。
学会librosa后再也不用用python去实现那些复杂的算法了，只需要一句语句就能轻松实现。
官网：https://librosa.org/doc/latest/core.html
核心 IO 和 DSP
音频加载
负载（路径=，sr，单声道，偏移，持续时间，...]） | 加载音频文件作为浮点时间系列。 |
流（路径，block_length，frame_length，...） | 在固定长度的缓冲区中流式传输音频。 |
to_mono（y） | 通过跨通道平均样本将音频信号转换为单声道。 |
共和（y，orig_sr，target_sr，res_type，...]） | 从orig_sr到target_sr重新组件时间系列 |
get_duration（[y， sr， S， n_fft， hop_length，...] ） | 计算音频时间系列的持续时间（在几秒钟内），功能矩阵，或文件名。 |
获取给定文件的采样率。 |
时域处理
自相关（y[，max_size，轴]） | 边界滞后自动相关性 |
磅（y，订单） | 通过 Burg 的方法进行线性预测系数 |
zero_crossings（y [， 阈值，...] | 找到信号的零交叉点：指数如此。 |
mu_compress（x[，亩，量化]） | 粘液压缩 |
mu_expand（x[，亩，量化]） | 穆法扩张 |
信号生成
点击次数、帧、sr、hop_length、...]） | 构建"单击轨道"。 |
音（频率[，sr，长度，持续时间，phi]） | 以给定频率构建纯音（舒适）信号。 |
啁啾（fmin，fmax[，sr，长度，持续时间，...]） | 构建"鸣叫"或"精扫"信号。 |
光谱表示
斯特夫特（y [， n_fft， hop_length， win_length，...] ） | 短时间富利埃转换 （STFT）。 |
（stft_matrix[，hop_length，win_length，...]） | 反向短时间富里埃转换 （ISTFT）。 |
reassigned_spectrogram（y [， sr， S， n_fft，...] ） | 时间频率重新分配光谱图。 |
cqt（y [， sr， hop_length， fmin， n_bins，...] ） | 计算音频信号的常量Q转换。 |
icqt（C [， sr， hop_length， fmin，...] ） | 计算反向常量Q转换。 |
hybrid_cqt（y [， sr， hop_length， fmin， ...] ） | 计算音频信号的混合常数-Q转换。 |
pseudo_cqt（y [， sr， hop_length， fmin，...] ） | 计算音频信号的伪常量-Q转换。 |
vqt（y[，sr，hop_length，芬，n_bins，...]） | 计算音频信号的变量Q转换。 |
（y[， sr， win_length， hop_length，...] ） | 使用 IIR 过滤器的时间频率表示 |
fmt（y [， t_min， n_fmt， 善良， 测试版，...] ） | 快速梅林转换 （FMT） |
马格相（D[，电源]） | 将复杂值的光谱图 D 分离到其量级 （S） 和相 （P） 组件中，以便。 |
相位恢复
格里芬利姆（S [， n_iter， hop_length，...] ） | 使用"快速"格里芬-林算法的近似量级光谱图反转。 |
griffinlim_cqt（C [， n_iter， sr， hop_length，...] ） | 使用"快速"格里芬-林算法的近似常量-Q级光谱图反转。 |
谐波
interp_harmonics（x， 弗雷克斯， h_range [ ， 善良，...] ） | 在时间频率表示的谐波下计算能量。 |
显著性（S，壁画，h_range[，重量，...]） | 谐波显著功能。 |
phase_vocoder（D、费率[、hop_length]） | 相声编码器。 |
规模缩放
amplitude_to_db（S [， 参考， 阿明， top_db]） | 将振幅光谱图转换为 dB 缩放光谱图。 |
db_to_amplitude（S_db[，参考]） | 将 dB 比例光谱图转换为振幅光谱图。 |
power_to_db（S [， 参考， 阿明， top_db]） | 将功率光谱图（振幅平方）转换为分贝 （dB） 单位 |
db_to_power（S_db[，参考]） | 将 dB 级光谱图转换为电源光谱图。 |
perceptual_weighting（S、频率[，种类]） | 功率光谱仪的感性权重。 |
frequency_weighting（频率[，种类]） | 计算一组频率的权重。 |
multi_frequency_weighting（频率[，种类]） | 计算一组频率的多个权重。 |
A_weighting（频率[，min_db]） | 计算一组频率的 A 权重。 |
B_weighting（频率[，min_db]） | 计算一组频率的 B 权重。 |
C_weighting（频率[，min_db]） | 计算一组频率的 C 权重。 |
D_weighting（频率[，min_db]） | 计算一组频率的 D 权重。 |
pcen（S[，sr，hop_length，获得，偏见，权力，...]） | 每通道能量正常化（PCEN） |
时间单位转换
frames_to_samples（帧[，hop_length，n_fft]） | 将帧指数转换为音频样本指数。 |
frames_to_time（帧[，sr，hop_length，n_fft]） | 将帧转换为时间（秒）。 |
samples_to_frames（样品[，hop_length，n_fft]） | 将样本指数转换为 STFT 框架。 |
samples_to_time（样品[，sr]） | 将样本指数转换为时间（在几秒钟内）。 |
time_to_frames（时间、时间、hop_length、n_fft）） | 将时间戳转换为 STFT 框架。 |
time_to_samples（时间[，sr]） | 将时间戳（在几秒钟内）转换为示例指数。 |
blocks_to_frames（块，block_length） | 将块指数转换为框架指数 |
blocks_to_samples（块， block_length... | 将块指数转换为样本指数 |
blocks_to_time（块， block_length，...） | 将块指数转换为时间（在几秒钟内） |
频率单元转换
hz_to_note（频率，**夸格斯） | 将一个或多个频率（在 Hz 中）转换为最近的注释名称。 |
hz_to_midi（频率） | 获取给定频率的 MIDI 注释编号 |
hz_to_svara_h（频率， 萨， 阿布，...] ） | 将频率（在 Hz 中）转换为印度斯坦语斯瓦拉 |
hz_to_svara_c（频率，萨，梅拉，阿伯，...]） | 将频率（在 Hz 中）转换为卡纳蒂奇斯瓦拉 |
获取MIDI注释的频率（Hz） | |
midi_to_note（米迪[，八度，美分，钥匙，单码]） | 将一个或多个 MIDI 数字转换为注释字符串。 |
midi_to_svara_h（米迪， 萨埃， 阿布， 八度音阶，...] ） | 将 MIDI 编号转换为印度斯坦斯瓦拉 |
midi_to_svara_c（米迪， 萨， 梅拉 [， 阿布，...] ） | 将 MIDI 数字转换为给定梅拉卡塔拉内的卡纳蒂奇斯瓦拉 |
note_to_hz（注意，**夸格斯） | 将一个或多个注释名称转换为频率（Hz） |
note_to_midi（注[，round_midi]） | 将一个或多个拼写注释转换为 MIDI 编号。 |
note_to_svara_h（音符、萨埃、阿布、八度音阶、...]） | 将西文笔记转换为印度斯坦尼斯瓦拉 |
note_to_svara_c（注意， 萨， 梅拉[， 阿布，...] ） | 将西方纸币转换为卡纳蒂奇斯瓦拉 |
hz_to_mel（频率[，htk]） | 将Hz转换为梅尔斯 |
hz_to_octs（频率[，调谐，...]） | 将频率 （Hz） 转换为（分数）八度数字。 |
mel_to_hz（梅尔斯[，赫特克]） | 将梅尔箱编号转换为频率 |
octs_to_hz（八度、调音、bins_per_octave）） | 将八度数字转换为频率。 |
A4_to_tuning（A4[，bins_per_octave]） | 将参考音高频率（例如）转换为调谐估计值，按每个八度箱的分数进行。 |
tuning_to_A4（调整[，bins_per_octave]） | 将每个八度音阶（例如）中每个垃圾箱的分数调整偏差（从 0）转换为相对于 A440 的参考音高频率。 |
音乐符号
key_to_notes（密钥[，单码]） | 列出所有 12 个按色阶排列的注释名称，根据给定键（主要或次要键）拼写。 |
为给定键构建硅量级度。 | |
mela_to_svara（梅拉[，阿布，单码]） | 拼写卡纳蒂奇斯瓦拉名称给定的梅拉卡塔拉加 |
为给定的梅拉卡塔拉加构建斯瓦拉指数（度） | |
为给定指标（度）构建 | |
按姓名和索引列出梅拉卡塔拉加斯。 | |
列表按名称支持。 |
频率范围生成
fft_frequencies（[sr，n_fft]） | np.fft.fftfreq 的替代实施 |
cqt_frequencies（n_bins，弗明...） | 计算常数-Q箱的中心频率。 |
mel_frequencies（[n_mels， fmin， fmax， htk]） | 计算一系列调整为梅尔比例的声学频率。 |
tempo_frequencies（n_bins]，hop_length，sr]） | 计算频率（每分钟节拍）与发病的自动相关性或节奏矩阵相对应。 |
fourier_tempo_frequencies（[sr，win_length]） | 计算频率（每分钟节拍）与傅立叶节奏矩阵相对应。 |
音高和调谐
皮因（y， fmin， fmax [， sr， frame_length，...] ） | 基本频率 （F0） 使用概率 YIN （pYIN） 估算。 |
阴（y， fmin， fmax [， sr， frame_length，...] ） | 使用 YIN 算法进行基本频率 （F0） 估计。 |
estimate_tuning（[y， sr， S， n_fft，...] | 估计音频时间系列或光谱输入的调整。 |
pitch_tuning（频率[，分辨率，...]） | 鉴于音高集合，估计其调谐偏移（以垃圾箱的分数）相对于 A440=440.0Hz。 |
皮特拉克（[y， sr， S， n_fft， hop_length，...] ） | 门槛寄生插值 STFT 上的间距跟踪。 |
杂项
samples_like（X[，hop_length，n_fft，轴]） | 返回一系列样本指数，以匹配功能矩阵中的时间轴。 |
times_like（X[，sr，hop_length，n_fft，轴]） | 返回时间值阵列，以匹配功能矩阵中的时间轴。 |
获取目前由利布罗萨使用的FT库 | |
set_fftlib（[图书馆]） | 设置利布罗萨使用的FT库。 |
