librosa.feature.rms()返回值数量过少的原因及解决方法

为什么返回87个RMS值？ #

librosa计算帧特征时，默认帧移（hop_length）为512，帧长（frame_length）默认是2048。为了完整覆盖整个音频，librosa会自动对音频末尾补零，最终帧数的计算逻辑是取ceil(音频总采样数 / hop_length)。

代入你的数据：44100（总采样数）÷512≈86.13，向上取整后就是87，所以返回87个RMS值。你之前只修改了frame_length，但没调整hop_length——帧移决定了相邻帧的间隔，是影响总帧数的核心参数，所以帧数不会变化。

如何获取更多RMS值？ #

要增加RMS的数量，关键是减小hop_length，缩小帧与帧之间的间隔，这样就能得到更多的帧，对应更多的RMS值：

示例1：获取高密度RMS值 #

如果想要每1个采样点滑动一次窗口（得到接近采样数的RMS值），可以设置hop_length=1，同时按需调整帧长：

rms = librosa.feature.rms(y=audiodata, frame_length=64, hop_length=1)

示例2：按时间间隔生成RMS #

比如要每10ms生成一个RMS值，44100Hz采样率下10ms对应441个采样点，设置hop_length=441即可：

rms = librosa.feature.rms(y=audiodata, hop_length=441)

手动计算（更灵活） #

也可以用librosa.util.frame手动分割音频帧，自行计算RMS：

import numpy as np
# 按指定帧长和帧移分割音频
frames = librosa.util.frame(audiodata, frame_length=1024, hop_length=256)
# 计算每帧的RMS
rms_manual = np.sqrt(np.mean(frames**2, axis=0))
print("手动计算的RMS数量：", len(rms_manual))

内容的提问来源于stack exchange，提问作者Alice Mabille