如何在Python中基于Librosa实现麦克风输入的MFCC提取与显示？

代码存在的问题 #

• 核心错误：librosa.load()用于加载本地音频文件，不能直接传入sounddevice录制得到的numpy数组。
• 次要问题：sd.rec()返回的是二维数组（形状为(采样点数, 通道数)），而librosa处理音频需要一维信号。

修正后的代码 #

import librosa
import librosa.display
import matplotlib.pyplot as plt
import sounddevice as sd
import numpy as np

print('start speaking')

Fs = 16000
d = 3

# 录制3秒单通道音频，采样率16000
a = sd.rec(int(d*Fs), samplerate=Fs, channels=1, blocking=True)

# 将二维录制数据转为一维，并转换为librosa兼容的浮点格式
signal = a.flatten().astype(np.float32)
sr = Fs

# 提取13维MFCC特征
mfccs = librosa.feature.mfcc(y=signal, n_mfcc=13, sr=sr)

# 可视化MFCC特征
plt.figure(figsize=(25, 10))
librosa.display.specshow(mfccs,
                         x_axis="time",
                         sr=sr,
                         hop_length=512)  # 指定帧移，保证时间轴刻度准确
plt.colorbar(format="%+2.f")
plt.title('MFCC特征热力图')
plt.show()

关键修改说明 #

1. 移除了Python中不必要的语句结尾分号。
2. 对录制得到的二维数组做扁平化处理，同时转换数据格式以适配librosa的要求。
3. 直接复用录制时的采样率，无需通过librosa.load读取。
4. 给specshow添加hop_length参数，确保时间轴的显示与MFCC计算逻辑匹配。

内容的提问来源于stack exchange，提问作者jonghwan