如何从python中的.wav文件中创建用于音频分类问题的spectrogram

我想使用CNN的声谱图进行音频文件分类。问题是，我的音频文件有不同的长度（2秒到17秒之间）以及生成spectrogram的时间。它们都具有相同的大小，这意味着对于较短的音频文件，频谱会变宽。如何生成spectrograms，使信号不被改变

我尝试使用

matplotlib.pyplot

库创建光谱图，但所有图像都是640 x 480

这是我使用的代码

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

samplingFrequency, signalData = wavfile.read('dia0_utt0.wav')

plt.title('Spectrogram')

plt.specgram(signalData,Fs=samplingFrequency,NFFT=512)

plt.xlabel('Time')

plt.ylabel('Frequency')

plt.savefig('fig11.png')

我不知道如何根据长度获得可变尺寸的光谱图，或者让它们具有相同的尺寸，但填充其余部分，直到最大长度为止，没有任何信息。

---

例如，如果我有一个3秒的文件，最大长度为17秒，则生成频谱图3秒，并在频谱图的其余部分填充无噪声，使其达到17秒。

您可以使用

matplotlib.pyplot.xlim

和

matplotlib.pyplot.ylim

函数设置两个轴的限制

[编辑]在下面的示例中，我加载了一个从以下网站下载的酒吧乐队歌曲的3秒长wav文件：

此脚本生成以下图像：

如果我没有指定

plt.xlim（左=0，右=17）

，输出数字将在0到3秒之间：

您也可以使用Python的。以下是符合您要求的完整代码：

import librosa
import matplotlib.pyplot as plt

sig, fs = librosa.load(filename, sr=44100) #you can specify sample rate as well 
save_path = filename[:-4]+'.png'
plt.figure(figsize=(6.40,4.80), dpi=1000) #this makes the image resolution as 640x480
plt.axis('off') # no axis
plt.axes([0., 0., 1., 1.], frameon=False, xticks=[], yticks=[])
S = librosa.feature.melspectrogram(y=y, sr=44100, n_fft=4096, hop_length=2205, n_mels=512) #you can update it as per your requirement
librosa.display.specshow(librosa.power_to_db(S, ref=np.max),  cmap='jet')
plt.xlim(left=0,right=17)
plt.savefig(save_path, dpi=100, bbox_inches=None, pad_inches=0)
plt.close()

import librosa
import matplotlib.pyplot as plt

sig, fs = librosa.load(filename, sr=44100) #you can specify sample rate as well 
save_path = filename[:-4]+'.png'
plt.figure(figsize=(6.40,4.80), dpi=1000) #this makes the image resolution as 640x480
plt.axis('off') # no axis
plt.axes([0., 0., 1., 1.], frameon=False, xticks=[], yticks=[])
S = librosa.feature.melspectrogram(y=y, sr=44100, n_fft=4096, hop_length=2205, n_mels=512) #you can update it as per your requirement
librosa.display.specshow(librosa.power_to_db(S, ref=np.max),  cmap='jet')
plt.xlim(left=0,right=17)
plt.savefig(save_path, dpi=100, bbox_inches=None, pad_inches=0)
plt.close()