Python实现音乐频谱可视化：从基础到进阶
本文详解如何使用Python的librosa和pydub库提取音乐频谱并进行可视化。通过10行代码展示完整频谱，并利用pydub进行时间切片，实现特定时间段（如0-1秒）的频谱展示。文章进一步探讨了去除负值、局部放大及动态渲染等进阶技巧，为开发类似QQ音乐的高颜值频谱特效提供基础思路。
前言
你是否好奇音乐软件中那些绚丽的频谱特效是如何生成的？是否也想尝试提取音乐频谱并将其可视化呈现？本文将结合之前的音乐剪辑操作：
3行Python代码实现剪辑音乐
来直观地展示一首歌曲的频谱效果。
1.环境准备
在开始之前，请确保你的电脑已正确安装Python和pip。若未安装，可参考《超详细Python安装指南》进行配置。
Windows用户请打开命令提示符（Cmd，可通过开始菜单搜索或Win+R运行CMD），macOS用户请打开终端（Terminal，通过Command+空格搜索启动）。
推荐使用VSCode编辑器，将本文代码复制下来，并在编辑器下方的终端中安装依赖模块，这样操作更加便捷舒适。
在终端执行以下命令以安装所需依赖：
pip install pydub
pip install librosa若看到“Successfully installed xxx”提示，则表明安装成功。
2.频谱可视化实现
利用librosa和matplotlib库，仅需10行代码即可完整展示整首音乐的频谱：
import matplotlib.pyplot as plt
import librosa.display
# 音乐文件载入
audio_path = 'Fenn.mp3'
music, sr = librosa.load(audio_path)
# 宽高比为14:5的图
plt.figure(figsize=(14,5))
librosa.display.waveplot(music, sr=sr)
# 显示图
plt.show()然而，上述代码展示的是整段音乐的频谱，视觉效果较为杂乱。为了获得更佳的展示效果，我们可以使用pydub库对频谱进行切割，例如仅查看0到1秒区间的频谱：
import matplotlib.pyplot as plt
import librosa.display
import numpy as np
from pydub import AudioSegment
# 1秒=1000亳秒
SECOND = 1000
#音乐文件
AUDIO_PATH = 'Fenn.mp3'
def split_music(begin, end, filepath):
# 导儿音乐
song = AudioSegment.from_mp3(filepath)
# 取begin秒至ijend秒间的片段
song = song[begin*SECOND: end*SECOND]
# 存储为临时文件做备份
temp_path = 'backup/'+filepath
song.export(temp_path)
return temp_path
music, sr = librosa.load(split_music(0, 1, AUDIO_PATH))
#宽高比为14:5的图
plt.figure(figsize=(14, 5))
librosa.display.waveplot(music, sr=sr)
plt.show()虽然细节更丰富，但图像依然显得复杂。实际上，在展示频谱时，我们可能只需要关注正值部分：
此外，我们还可以进一步放大局部细节，例如观察0.9秒到1秒之间的频谱变化：
# 公众号：Python 实用宝典
n0 = 9000
n1 = 10000
music = np.array([mic for mic in music if mic > 0])
plt.figure(figsize=(14, 5))
pit.plot(music[n0:n1])
plt.grid()
#显示图
plt.show()这样的展示效果更加清晰美观。不过，若要达到QQ音乐那样的专业效果，仍需进行大量优化与改造。
例如，需要使用精美的图像元素进行填充替代，并处理零值问题；同时，需解决频谱平滑处理及动态延续波段的技术难点。
生产环境的代码必然比本文示例更为复杂，且不应简单地通过暴力去除负值来绘制图像。有兴趣的读者可在此基础上自行深入研究。
以上就是Python实现提取音乐频谱的方法详解的详细内容，更多关于Python提取频谱的资料请关注本站其它相关文章！
本站声明
本文内容仅供参考，不代表本站观点。转载或引用请注明出处。如发现内容问题，请通过联系我们页面反馈。
