Python 如何使用MELSpectgram将wav文件转换为RGB图像？

我正在用1秒到4秒的wav文件进行声音分类。 我想将wav转换为224x224x3图像，我可以将其转换为Resnet进行分类 转换应使用MELSpectgram 感谢您的帮助

您可以使用以下方法生成mel光谱图：

import librosa
import librosa.display
import numpy as np
import matplotlib.pyplot as plt

y, sr = librosa.load(librosa.util.example_audio_file()) # your file
S = librosa.feature.melspectrogram(y=y, sr=sr, n_mels=128, fmax=8000)
librosa.display.specshow(librosa.power_to_db(S, ref=np.max), fmax=8000)
plt.savefig('mel.png')

---

请注意，虽然这些都是假的颜色，但RGB在这里没有意义，也没有任何多通道。使用可与单个通道一起使用的体系结构。

这包括从绘图到文件的轴标记/标签等，作为ML模型的输入不是很好。相反，应该只保存原始光谱图数据。在中的一个例子中，我尝试了这个，得到了AttributeError:module'librosa'没有属性'display'。您现在需要显式导入librosa.display。您还需要将numpy作为np导入，因为您正在第6tanks@Octaviotastico行使用它！编辑。