如何在R语言中从WAV文件或提取的信号直接获取Mel Spectrogram？

当然可以，结合你已安装的R包，有几种直接生成梅尔频谱的方式，以下是具体实现：

方法1：用seewave包处理（支持WAV文件/已提取信号） #

seewave的mel和melfilterbank可配合基础频谱生成步骤，快速得到梅尔频谱。

从WAV文件直接处理 #

library(seewave)

# 读取目标WAV文件
wav <- readWave("your_audio.wav")

# 生成线性频谱矩阵（关闭自动绘图）
spec <- spectro(wav, plot = FALSE)

# 创建梅尔滤波器组
mel_filters <- melfilterbank(nfreq = nrow(spec$amp), f = wav@samp.rate, nmel = 40)

# 将线性频谱通过梅尔滤波器，得到梅尔频谱
mel_spec <- mel_filters %*% spec$amp

从已提取的信号处理 #

如果已经拿到单声道信号向量（比如wav@left）：

# 假设sig是已提取的单声道信号，samp_rate为采样率
sig <- wav@left
samp_rate <- wav@samp.rate

# 计算信号的线性频谱
spec <- spectro(sig, f = samp_rate, plot = FALSE)

# 生成梅尔滤波器并转换频谱
mel_filters <- melfilterbank(nfreq = nrow(spec$amp), f = samp_rate, nmel = 40)
mel_spec <- mel_filters %*% spec$amp

方法2：用torchaudio包（更简洁的一站式生成） #

torchaudio提供了封装好的梅尔频谱转换函数，操作更直接：

library(torchaudio)

# 读取WAV文件并生成梅尔频谱
waveform <- torchaudio_load("your_audio.wav")[[1]]
sample_rate <- torchaudio_load("your_audio.wav")[[2]]

# 定义梅尔频谱转换规则
mel_transform <- torchaudio_transforms_MelSpectrogram(
  sample_rate = sample_rate,
  n_mels = 40,
  n_fft = 1024,
  hop_length = 256
)

# 生成梅尔频谱
mel_spec <- mel_transform(waveform)

如果是已提取的信号，只需将R向量转为torch张量即可：

# 将R格式信号转为torch张量（添加通道维度）
sig_tensor <- torch_tensor(sig, dtype = torch_float32)$unsqueeze(1)

# 生成梅尔频谱
mel_spec <- mel_transform(sig_tensor)

注意事项 #

• 可通过调整nmel（梅尔滤波器数量）、n_fft（FFT窗口大小）、hop_length（帧移）等参数，控制梅尔频谱的时间/频率分辨率。
• seewave生成的mel_spec是R矩阵格式，torchaudio生成的是torch张量，可通过as.array()转换为R原生格式用于后续分析。

内容的提问来源于stack exchange，提问作者Murali