web-dev-qa-db-ja.com

python3で.wavファイルをスペクトログラムに変換する方法

Python3で.wavファイルからスペクトログラムを作成しようとしています。

最終的に保存された画像を次の画像のように見せたい：

私は次を試しました：

このスタックオーバーフローポスト： waveファイルのスペクトログラム

この投稿はやや機能しました。それを実行した後、私は得た

ただし、このグラフには必要な色が含まれていません。色のあるスペクトログラムが必要です。私はこのコードをいじって色を追加しようとしましたが、これにかなりの時間と労力を費やした後、私はそれを理解できませんでした！

それから this チュートリアルを試しました。

エラーTypeError： 'numpy.float64'オブジェクトを整数として解釈できませんで実行しようとすると、このコードがクラッシュしました（17行目）。

17行目：

samples = np.append(np.zeros(np.floor(frameSize/2.0)), sig)

キャストして修正しようとしました

samples = int(np.append(np.zeros(np.floor(frameSize/2.0)), sig))

そして私も試しました

samples = np.append(np.zeros(int(np.floor(frameSize/2.0)), sig))

ただし、どちらも最終的には機能しませんでした。

分析できるように、.wavファイルを色付きのスペクトログラムに変換する方法を知りたいのですが。助けていただければ幸いです!!!!!

使用しているpythonのバージョン、試したこと、達成したいことについて、さらに情報を提供してほしいかどうかを教えてください。

pythonnumpyaudiomatplotlibspectrogram
14
Sreehari R

つかいます scipy.signal.spectrogram。

import matplotlib.pyplot as plt
from scipy import signal
from scipy.io import wavfile

sample_rate, samples = wavfile.read('path-to-mono-audio-file.wav')
frequencies, times, spectrogram = signal.spectrogram(samples, sample_rate)

plt.pcolormesh(times, frequencies, spectrogram)
plt.imshow(spectrogram)
plt.ylabel('Frequency [Hz]')
plt.xlabel('Time [sec]')
plt.show()

これを行う前に、wavファイルがステレオ（デュアルチャンネル）ではなく、モノ（シングルチャンネル）であることを確認してください。 https://docs.scipy.org/doc/scipy- 0.19.0/reference/generated/scipy.signal.spectrogram.htmlのscipyドキュメントを読むことを強くお勧めします。

置くplt.pcolormesh 前 plt.imshowは、@ Davidjbが指摘したように、いくつかの問題を修正しているようです。解凍エラーが発生した場合は、以下の@cgnorthcuttの手順に従ってください。

28
Tom Wyllie

あなたが直面しているエラーを修正しました http://www.frank-zalkow.de/en/code-snippets/create-audio-spectrograms-with-python.html
binsize（たとえば、binsize=2**8）

import numpy as np
from matplotlib import pyplot as plt
import scipy.io.wavfile as wav
from numpy.lib import stride_tricks

""" short time fourier transform of audio signal """
def stft(sig, frameSize, overlapFac=0.5, window=np.hanning):
    win = window(frameSize)
    hopSize = int(frameSize - np.floor(overlapFac * frameSize))

    # zeros at beginning (thus center of 1st window should be for sample nr. 0)   
    samples = np.append(np.zeros(int(np.floor(frameSize/2.0))), sig)    
    # cols for windowing
    cols = np.ceil( (len(samples) - frameSize) / float(hopSize)) + 1
    # zeros at end (thus samples can be fully covered by frames)
    samples = np.append(samples, np.zeros(frameSize))

    frames = stride_tricks.as_strided(samples, shape=(int(cols), frameSize), strides=(samples.strides[0]*hopSize, samples.strides[0])).copy()
    frames *= win

    return np.fft.rfft(frames)    

""" scale frequency axis logarithmically """    
def logscale_spec(spec, sr=44100, factor=20.):
    timebins, freqbins = np.shape(spec)

    scale = np.linspace(0, 1, freqbins) ** factor
    scale *= (freqbins-1)/max(scale)
    scale = np.unique(np.round(scale))

    # create spectrogram with new freq bins
    newspec = np.complex128(np.zeros([timebins, len(scale)]))
    for i in range(0, len(scale)):        
        if i == len(scale)-1:
            newspec[:,i] = np.sum(spec[:,int(scale[i]):], axis=1)
        else:        
            newspec[:,i] = np.sum(spec[:,int(scale[i]):int(scale[i+1])], axis=1)

    # list center freq of bins
    allfreqs = np.abs(np.fft.fftfreq(freqbins*2, 1./sr)[:freqbins+1])
    freqs = []
    for i in range(0, len(scale)):
        if i == len(scale)-1:
            freqs += [np.mean(allfreqs[int(scale[i]):])]
        else:
            freqs += [np.mean(allfreqs[int(scale[i]):int(scale[i+1])])]

    return newspec, freqs

""" plot spectrogram"""
def plotstft(audiopath, binsize=2**10, plotpath=None, colormap="jet"):
    samplerate, samples = wav.read(audiopath)

    s = stft(samples, binsize)

    sshow, freq = logscale_spec(s, factor=1.0, sr=samplerate)

    ims = 20.*np.log10(np.abs(sshow)/10e-6) # amplitude to decibel

    timebins, freqbins = np.shape(ims)

    print("timebins: ", timebins)
    print("freqbins: ", freqbins)

    plt.figure(figsize=(15, 7.5))
    plt.imshow(np.transpose(ims), Origin="lower", aspect="auto", cmap=colormap, interpolation="none")
    plt.colorbar()

    plt.xlabel("time (s)")
    plt.ylabel("frequency (hz)")
    plt.xlim([0, timebins-1])
    plt.ylim([0, freqbins])

    xlocs = np.float32(np.linspace(0, timebins-1, 5))
    plt.xticks(xlocs, ["%.02f" % l for l in ((xlocs*len(samples)/timebins)+(0.5*binsize))/samplerate])
    ylocs = np.int16(np.round(np.linspace(0, freqbins-1, 10)))
    plt.yticks(ylocs, ["%.02f" % freq[i] for i in ylocs])

    if plotpath:
        plt.savefig(plotpath, bbox_inches="tight")
    else:
        plt.show()

    plt.clf()

    return ims

ims = plotstft(filepath)
7
Beginner
_import os
import wave

import pylab
def graph_spectrogram(wav_file):
    sound_info, frame_rate = get_wav_info(wav_file)
    pylab.figure(num=None, figsize=(19, 12))
    pylab.subplot(111)
    pylab.title('spectrogram of %r' % wav_file)
    pylab.specgram(sound_info, Fs=frame_rate)
    pylab.savefig('spectrogram.png')
def get_wav_info(wav_file):
    wav = wave.open(wav_file, 'r')
    frames = wav.readframes(-1)
    sound_info = pylab.fromstring(frames, 'int16')
    frame_rate = wav.getframerate()
    wav.close()
    return sound_info, frame_rate
_

A Capella Science-Bohemian Gravity！ これは以下を与えます：

enter image description here

graph_spectrogram(path_to_your_wav_file)を使用します。このスニペットを取ったブログを覚えていません。再度表示するたびにリンクを追加します。

6
Mudit Verma