如何循环提取多音频文件MFCC特征并保存以输入CNN模型？

一、解决MFCC数据无法全部保存的问题 #

你当前代码里每次循环都会用新的MFCC矩阵覆盖mfcc1变量，所以最后只能拿到最后一个文件的结果。要保存所有文件的MFCC，只需要初始化一个列表来逐个存储：

修改后的核心代码 #

import numpy as np
# 初始化列表存储所有MFCC
mfcc_list = []
# 同步收集对应年代标签（需根据你的文件名/元数据规则提取）
labels = []

for file in audio_files:
    x, sr = librosa.load(file)
    # 计算MFCC
    mfcc = librosa.feature.mfcc(y=x, sr=22050)
    # 把当前MFCC加入列表
    mfcc_list.append(mfcc)
    # 示例：假设文件名格式是"1980_songname.mp3"，提取年代作为标签
    # year = int(os.path.basename(file).split('_')[0])
    # labels.append(year)

# 统一所有MFCC的时间步长度（不同音频时长不同，MFCC时间步会不一致，CNN要求输入形状统一）
max_time_steps = max([mfcc.shape[1] for mfcc in mfcc_list])
# 用补零方式统一形状，最终得到(样本数, 特征数, 时间步)的数组
mfcc_features = np.array([np.pad(mf, ((0,0), (0, max_time_steps - mf.shape[1])), mode='constant') for mf in mfcc_list])

二、你的两个疑问解答 #

1. 是否需要用CSV或数据框管理MFCC数据？ #

不需要必须用。如果只是为了给CNN提供训练特征，直接用numpy数组效率最高、处理速度更快。但如果需要同时管理元数据（比如歌曲名、年代、采样率等），用pandas数据框会更方便查看和筛选，这属于辅助管理手段，不是训练CNN的必要步骤。

2. numpy.ndarray格式的MFCC能否直接用于CNN？ #

可以，但需要调整维度适配CNN的输入要求：

• 常规CNN输入是4维张量：(样本数, 特征数, 时间步, 通道数)
• 当前得到的MFCC数组是(样本数, 特征数, 时间步)，需要增加一个单通道维度（音频为单通道）：

# 增加通道维度，最终形状为(样本数, 20, max_time_steps, 1)，20是librosa默认的MFCC特征数
mfcc_features = mfcc_features[..., np.newaxis]

调整后就可以直接输入到CNN模型中。

完整示例代码 #

import librosa
import numpy as np
import os
from glob import glob
from sklearn.preprocessing import minmax_scale

audio_files = glob('/Users/wt56/Downloads/522 Dataset/*.mp3')

# 初始化存储容器
mfcc_list = []
labels = []

# 遍历处理所有音频
for file in audio_files:
    print(f"处理文件: {file}")
    x, sr = librosa.load(file)
    # 计算MFCC
    mfcc = librosa.feature.mfcc(y=x, sr=22050)
    # 可选：归一化特征，提升模型训练稳定性
    mfcc = minmax_scale(mfcc, axis=1)
    mfcc_list.append(mfcc)
    
    # 提取年代标签（请根据你的实际文件名规则修改）
    filename = os.path.basename(file)
    year = int(filename.split('_')[0])
    labels.append(year)

# 统一MFCC时间步长度
max_len = max(m.shape[1] for m in mfcc_list)
# 补零统一形状
mfcc_features = np.array([np.pad(m, ((0,0), (0, max_len - m.shape[1])), mode='constant') for m in mfcc_list])
# 增加通道维度
mfcc_features = mfcc_features[..., np.newaxis]
# 标签转numpy数组
labels = np.array(labels)

# 查看最终数据形状
print(f"最终特征形状: {mfcc_features.shape}")
print(f"标签形状: {labels.shape}")

内容的提问来源于stack exchange，提问作者wangowango