python - 使用 librosa 隔离音频前景并转换回音频流

Question

我正在尝试隔离音频流的前景，然后使用 librosa 将其保存为独立的音频流。

从这个看似开始relevant example .

我有完整的前景和背景数据，就像 S_full 中的例子一样。 , S_foreground和 S_background但我不确定如何将它们用作音频。

我试图使用 librosa.istft(...)转换它们，然后将其另存为 .wav文件使用 soundfile.write(...)但我留下了一个大小合适但无法使用(？)数据的文件。

任何人都可以描述或指出我的例子吗？

谢谢。

Answer 1

把最小的例子放在一起，
具有原始采样率的 istft() 实际上确实有效。

我会在某处找到我的错误。
FWIW 这是工作代码

import numpy as np
import librosa
from librosa import display
import soundfile
import matplotlib.pyplot as plt

y, sr = librosa.load('audio/rb-testspeech.mp3', duration=5)
S_full, phase = librosa.magphase(librosa.stft(y))

S_filter = librosa.decompose.nn_filter(S_full,
                                       aggregate=np.median,
                                       metric='cosine',
                                       width=int(librosa.time_to_frames(2, sr=sr)))
S_filter = np.minimum(S_full, S_filter)

margin_i, margin_v = 2, 10
power = 2

mask_v = librosa.util.softmask(S_full - S_filter,
                               margin_v * S_filter,
                               power=power)

S_foreground = mask_v * S_full

full = librosa.amplitude_to_db(S_full, ref=np.max)
librosa.display.specshow(full, y_axis='log', sr=sr)

plt.title('Full spectrum')
plt.colorbar()

plt.tight_layout()
plt.show()

print("y({}): {}".format(len(y),y))
print("sr: {}".format(sr))

full_audio = librosa.istft(S_full)
foreground_audio = librosa.istft(S_foreground)
print("full({}): {}".format(len(full_audio), full_audio))

soundfile.write('orig.WAV', y, sr) 
soundfile.write('full.WAV', full_audio, sr) 
soundfile.write('foreground.WAV', foreground_audio, sr)