如何用Python实现类Audacity音频频谱峰值检测？结果不符问题排查

我是数字信号处理（DSP）新手，想要找到音频文件的频谱峰值。我通常用Audacity打开音频文件并查看频谱，手动找到120Hz的峰值，但手动操作太麻烦。我误以为Audacity展示的是spectrogram（频谱图），于是用Python写了如下代码：

import matplotlib.pyplot as plt
from scipy import signal
from scipy.io import wavfile
import numpy as np

sample_rate, samples = wavfile.read('audio1.wav')
frequencies, times, spectrogram = signal.spectrogram(samples, sample_rate)

# 获取最大值
x,y=np.where(spectrogram == spectrogram.max())
print("最大值对应的频率索引")
print(x)
print("频率值")
print(frequencies[x])

但运行后得到的峰值频率是74.21875Hz，和Audacity里找到的120Hz差很多。请问我哪里错了？能不能用Python实现这个任务？是不是不该从spectrogram里找峰值？

核心问题：混淆了两种频谱概念 #

Audacity默认显示的频谱是整个音频信号的傅里叶变换（FFT）幅度谱——它把整个音频的能量在频域做了全局统计，是静态的频率分布结果。而你用的signal.spectrogram生成的是时变频谱图：它把音频切成小段分别做FFT，展示的是不同时间点的频率分布，你取的是某个时间切片里的最大频率，自然和全局峰值不一致。

用Python实现Audacity式的全局频谱峰值 #

直接对整个音频做FFT就能得到和Audacity一致的结果，步骤如下：

1. 处理音频：如果是双声道，先转成单声道（Audacity默认显示混合后的单声道频谱）
2. 计算FFT并生成幅度谱
3. 生成频率轴，找到幅度最大的频率值

代码示例

import numpy as np
from scipy.io import wavfile

# 读取音频
sample_rate, samples = wavfile.read('audio1.wav')

# 处理双声道：转单声道（取平均值）
if len(samples.shape) > 1:
    samples = np.mean(samples, axis=1)

# 计算FFT
n = len(samples)
fft_result = np.fft.fft(samples)
# 取幅度谱（只保留正频率部分）
amplitude = np.abs(fft_result[:n//2])
# 生成频率轴
frequencies = np.fft.fftfreq(n, 1/sample_rate)[:n//2]

# 找到峰值对应的频率
peak_idx = np.argmax(amplitude)
peak_freq = frequencies[peak_idx]

print(f"全局频谱峰值频率：{peak_freq:.2f}Hz")

额外优化：过滤频谱毛刺 #

如果音频有高频噪声，直接取最大值可能得到干扰峰值，可以用平滑处理或峰值检测函数筛选真正的峰值：

from scipy.signal import find_peaks

# 平滑幅度谱（可选）
smoothed_amp = np.convolve(amplitude, np.ones(5)/5, mode='same')
# 检测峰值，设置最小高度和距离过滤干扰
peaks, _ = find_peaks(smoothed_amp, height=np.max(smoothed_amp)*0.5, distance=10)
# 找到最大的有效峰值
peak_idx = peaks[np.argmax(smoothed_amp[peaks])]
peak_freq = frequencies[peak_idx]

print(f"筛选后的峰值频率：{peak_freq:.2f}Hz")

什么时候用spectrogram？ #

如果你需要看某个时间段内的频率峰值而非全局峰值，spectrogram是合适的，但需要调整逻辑：比如计算每个频率在所有时间点的能量总和，再找总和最大的频率；或者定位到你在Audacity里看到120Hz的时间段，单独提取该段的频谱。

内容的提问来源于stack exchange，提问作者mad