求可将音频文件转换为Hz数组的函数及简易音符检测方法

不用绕mel频谱图，直接提取音频的基频（Hz值）就能判断是否为标准音符，给你两个实用方案：

方案1：用Librosa的PYIN基频检测（无需mel频谱图） #

Librosa自带的pyin算法专门做基频提取，直接输出每个时间帧的Hz值，不用先做mel频谱图，抗噪性不错，适合大多数单音乐器或人声场景。

示例代码：

import librosa
import numpy as np

# 加载音频文件（采样率设为22050足够）
y, sr = librosa.load("your_audio.wav", sr=22050)

# 提取基频f0，返回每个时间点的Hz值
f0, voiced_flag, voiced_probs = librosa.pyin(y, fmin=librosa.note_to_hz('C2'), fmax=librosa.note_to_hz('C7'))

# 过滤掉无声音帧，只保留有效基频值
valid_f0 = f0[~np.isnan(f0)]

# 对比标准音符：允许±1Hz的误差
standard_notes = {
    'C4': 261.63, 'D4': 293.66, 'E4': 329.63, 'F4': 349.23,
    'G4': 392.00, 'A4': 440.00, 'B4': 493.88, 'C5': 523.25
}

# 检查每个基频是否匹配标准音符
for freq in valid_f0:
    for note, std_freq in standard_notes.items():
        if abs(freq - std_freq) < 1:
            print(f"检测到标准音符：{note}，实际频率：{freq:.2f}Hz")
            break

方案2：用FFT直接计算频谱峰值（适合纯净单音） #

如果你的音频是纯净的单音（比如无伴奏乐器），直接用快速傅里叶变换（FFT）找频谱峰值对应的频率，步骤更直接，仅依赖numpy和scipy。

示例代码：

import numpy as np
from scipy.io import wavfile

# 读取WAV格式音频
sr, audio = wavfile.read("your_audio.wav")
# 转为单声道（如果是立体声）
if len(audio.shape) > 1:
    audio = audio.mean(axis=1)
# 归一化
audio = audio / np.max(np.abs(audio))

# 做FFT计算频谱
n = len(audio)
freqs = np.fft.fftfreq(n, 1/sr)
fft_vals = np.abs(np.fft.fft(audio))

# 只取正频率部分
positive_freq_idx = freqs >= 0
freqs_pos = freqs[positive_freq_idx]
fft_vals_pos = fft_vals[positive_freq_idx]

# 找到频谱峰值对应的频率
peak_freq = freqs_pos[np.argmax(fft_vals_pos)]

# 对比标准音符
standard_a4 = 440.0
if abs(peak_freq - standard_a4) < 1:
    print(f"检测到标准音符A4，实际频率：{peak_freq:.2f}Hz")
else:
    print(f"未检测到标准音符，实际频率：{peak_freq:.2f}Hz")

补充说明 #

• 多音叠加的音频（比如和弦）只能提取主音基频，要识别多个音符需要更复杂的频谱分解，但单音场景足够用。
• 标准音符频率可通过公式生成：f(n) = 440 * 2^((n-49)/12)，其中n是MIDI音符编号（A4对应n=69），方便生成完整的标准频率表。

内容的提问来源于stack exchange，提问作者Efrat Epstein