Python 如何将.wav文件转换为用于神经网络的图像？

我正在尝试使用神经网络进行声音分类，并希望将4秒的音频文件转换为.wav文件格式，以转换为图像

我更喜欢使用Librosa图书馆。我也想知道如何阅读这张图片，并将其作为任何CNN模型的输入

我确实在这里找到了类似的帖子，但它们并没有解决我的问题

这就是我迄今为止所尝试的：

y，sr=librosa.load（'36902-3-2-0.wav'））
S=librosa.feature.melspectrogram（y，sr，n_mels=128，fmax=8000）
librosa.display.specshow（librosa.power到db（S，ref=np.max），fmax=8000）
plt.savefig（'mel.png'）

我得到这个图像：

当我尝试使用

matplotlib.pyplot

或

cv2

读取图像时，我得到的只是一个填充了

255

值的数组：

数组（[[255，255，255]，
[255, 255, 255],
[255, 255, 255],
...,
[255, 255, 255],
[255, 255, 255],
[255, 255, 255]],
[[255, 255, 255],
[255, 255, 255],
[255, 255, 255],
...,
[255, 255, 255],
[255, 255, 255],
[255, 255, 255]],
[[255, 255, 255],
[255, 255, 255],
[255, 255, 255],
...,
[255, 255, 255],
[255, 255, 255],
[255, 255, 255]],
...,

---

链接到音频文件：

这很正常-您看到的是两侧的白色边框，而

（255255255）

是白色的

尝试查看坐标

200200

：

print(array[200:210, 200:210])

array([[[ 96,  87, 235],
        [ 96,  87, 235],
        [ 96,  87, 235],
        [ 95,  90, 237],
        [ 95,  90, 237],
        ...
        ...

或者看看平均值：

print(array.mean())

161.20984439300412

---

如果您不想让您的问题被否决，请遵循以下步骤：特别是：“帮助他人再现问题”这一点很有帮助：我正在尝试找出如何将音频文件添加到我的问题中。例如，如果您询问的是wav文件，请提供一个wav文件，或者该文件不可再现。