使用librosa.pyin提取语音基频(f0)不全，求参数调整及预处理方案

当前实现与环境 #

采样率sr为22050，使用librosa.pyin接口提取基频，核心代码如下：

fmin=librosa.note_to_hz('C0')
fmax=librosa.note_to_hz('C7')

f0, voiced_flag, voiced_probs = librosa.pyin(y,
                                             fmin=fmin,
                                             fmax=fmax,
                                             pad_mode='constant',
                                             n_thresholds = 10,
                                             max_transition_rate = 100,
                                             sr=sr)

音频相关可视化 #

• 原始音频波形：
  

• 包含基频、onset及onset强度的频谱图（可见开头部分未提取到任何基频）：
  

• 功率频谱图：
  

关联的onset检测代码 #

times = librosa.times_like(o_env, sr=sr)
onset_frames = librosa.onset.onset_detect(onset_envelope=o_env, sr=sr)

已尝试的方法 #

对音频进行压缩处理，但未解决开头基频提取缺失的问题。

需求 #

1. 可调整的librosa.pyin参数建议
2. 有效的音频预处理方法，以实现全部语音段的基频提取
3. 了解影响基频提取成功率的关键因素

内容的提问来源于stack exchange，提问作者jmhead