Python 为什么librosa图书馆的声谱图的持续时间是实际音轨的两倍？

我使用以下代码从大约30秒的录制音频信号中获取Mel频谱图：

spectrogram =  librosa.feature.melspectrogram(y=self.RawSamples,sr=self.SamplingFrequency, n_mels=128, fmax=8000)

    if show:
        plt.figure(figsize=(10, 4))
        librosa.display.specshow(librosa.power_to_db(self.Spectrogram, ref=np.max), y_axis='mel', fmax=8000, x_axis='time')
        plt.colorbar(format='%+2.0f dB')
        plt.title('Mel spectrogram')
        plt.tight_layout()

获得的光谱图：

---

你能解释一下为什么时间轴是持续时间的两倍（应该是30秒）。代码出了什么问题

您需要将采样率传递给

librosa.display.specshow

（sr=self.SamplingFrequency）。如果不是，则默认为20050，如果

self.SamplingFrequency

是不同的值，则它将显示错误的长度。

您的

librosa.display.spechow

应包括以下参数：采样率

sr=

以及跃点大小

跃点大小=

。这些参数的默认值分别为22050和512。如果设置不正确，则会导致生成的光谱图中的x轴不正确

---

参考资料：

您的原始样本是否来自立体声文件？是的，它是一个立体声wav文件@PaulROK-因此，如果您将样本视为单个通道，那么您将获得两倍的持续时间。您知道在从librosa调用spectrogram方法时是否需要设置任何属性以避免这种情况吗？顺便说一句，非常感谢您的回答，这帮了大忙@PaulRI我不熟悉特定的库，但是提取单个（左或右）通道，或者将两个通道合并到单个（单）通道中，然后进行处理应该是相当简单的。我正在以12000采样率工作90秒。光谱图显示了错误的持续时间，但光谱图本身实际上是正确的，对吗？很有可能。但是最好将正确的选项传递给specshow，以验证事情是否如您所期望的那样。我的代码如下所示：data，sr=librosa.load（file\u name，sr=None，duration=90）

D=librosa.amplication\u to\u db（np.abs（librosa.stft（data）），ref=np.max）

librosa.display.specshow（D，y_轴='linear'，x_轴='time'，sr=12000）

我传错了吗？看起来差不多是对的。但是如果你有问题，你应该打开一个新问题。现在光谱图显示的持续时间正确，但采样率错误：（.谢谢你：）