源文件功能介绍 librosa.beat 用于估计节拍和检测节拍事件 librosa.core 核心功能包括从磁盘加载音频、计算各种谱图表示以及各种常用的音乐分析工具。为了方便起见，这个子模块中的所有功能都可以直接从顶层librosa.*名称空间访问。 librosa.decompose 利用scikit-learn中实现的矩阵分解方法实现谐波冲击源分离(HPSS)和通用谱图分解功能。 librosa.display 使用matplotlib的可视化和显示例程。 librosa.effects 时域音频处理,如音高移动和时间拉伸。这个子模块还为分解子模块提供时域包装器。 librosa.feature 特征提取和操作。这包括低层次特征提取,如彩 {MOD}公音、伪常量q(对数频率)变换、Mel光谱图、MFCC和调优估计。此外,还提供了特性操作方法,如delta特性、内存嵌入和事件同步特性对齐。 librosa.filters 过滤库生成(chroma、伪CQT、CQT等)。这些主要是librosa的其他部分使用的内部函数。 librosa.onset 起跳检测和起跳强度计算。 librosa.output 文本和波形文件输出。 librosa.segment 用于结构分割的函数，如递归矩阵构造、时滞表示和顺序约束聚类。 librosa.sequence 用于顺序建模的函数。各种形式的维特比解码，以及用于构造转换矩阵的辅助函数。 librosa.util 辅助实用程序(规范化、填充、居中等)

Core IO and DSP（核心输入输出功能和数字信号处理）

可以直接通过librosa.*来访问函数，当然也可以通过librosa.core.*来访问。

Audio processing

函数名称功能 load() 从文件加载音频数据，貌似没有格式限制，而且可以通过参数设置是否保留双声道，采样率，重采样类型 to_mono() 把音频数据降至单声道 resample() 重采样，也可以称之为降采样 get_duration() 计算音频时间序列、特征矩阵或文件名的持续时间(以秒为单位)。从文件路径读取时间长度更快一些。 autocorrelate() 计算自相关 zero_crossings() 找到过零点的位置 clicks() 在信号指定的位置放置click信号。可以通过参数设置click信号的频率等属性。 tone() 生成一个tone信号，即一个简单的正弦波 chirp() 生成一个chirp信号

Spectral representations

函数名称功能 stft() 短时傅里叶变换 istft() 短时傅里叶逆变换 ifgram() 计算得到的瞬时频率(作为采样率的比例)作为复谱相位的时间导数。参考文献：Abe, Toshihiko, Takao Kobayashi, and Satoshi Imai. “Harmonics tracking and pitch extraction based on instantaneous frequency.” International Conference on Acoustics, Speech, and Signal Processing, ICASSP-95., Vol. 1. IEEE, 1995. cqt() 常数Q变换，参考文献：Schoerkhuber, Christian, and Anssi Klapuri. “Constant-Q transform toolbox for music processing.” 7th Sound and Music Computing Conference, Barcelona, Spain. 2010. icqt() 常数Q逆变换 hybrid_cqt() 计算音频信号的混合常量- q变换。 pseudo_cqt() 计算音频信号的伪常量- q变换。 iirt() 使用IIR滤波器的时频表示。参考文献：Müller, Meinard. “Information Retrieval for Music and Motion.” Springer Verlag. 2007. fmt() 快速梅林变换(FMT)。参考文献：【1】De Sena, Antonio, and Davide Rocchesso. “A fast Mellin and scale transform.” EURASIP Journal on Applied Signal Processing 2007.1 (2007): 75-75.【2】Cohen, L. “The scale representation.” IEEE Transactions on Signal Processing 41, no. 12 (1993): 3275-3292. interp_harmonics() 计算谐波处的能量。 salience() 谐波突出功能。（尚不清楚这个函数对应什么时频变换，感觉有点像小波变换） phase_vocoder() 阶段声码器。给定一个STFT矩阵D，将速度提高一个因子 magphase() 计算复数图谱的幅度值和相位值。

Magnitude scaling

函数名称功能 amplitude_to_db() 将振幅谱图转换为db _scale谱图。 db_to_amplitude() 将db谱图转为普通振幅谱图。 power_to_db() 功率谱转换。 db_to_power() 功率谱转换。 perceptual_weighting() 功率谱图的感知加权。 A_weighting() 计算一组频率的a加权。 pcen() 该函数通过自动增益控制对时频表示S进行归一化，然后进行非线性压缩。这个函数参考一篇2017年的文章，貌似很厉害，暂不清楚具体功能。

Time and frequency conversion

函数名称功能 frames_to_sample() 将帧索引转换为音频样本索引。 frames_to_time() 将帧数转换为时间(秒)。 samples_to_frames() 将样本索引转换为STFT帧。 samples_to_time() 将STFT帧转换为样本索引。 time_to_frames() 将时间戳转换为STFT帧 time_to_samples() 将时间戳（以秒为单位）转换为样本索引。 hz_to_note() 将一个或多个频率（以Hz为单位）转换为最近的音符名称。 hz_to_midi() 获取给定频率的MIDI音符编号 midi_to_hz() 获取MIDI音符的频率（Hz） midi_to_note() 将一个或多个MIDI数转换为音符串。 note_to_hz() 将一个或多个音符名称转换为频率（Hz） note_to_midi() 将一个或多个拼写音符转换为MIDI数字。 hz_to_mel() 将Hz转换为Mels hz_to_octs() 将频率（Hz）转换为（分数）倍频程数。 mel_to_hz() 将mel频率转换为频率 octs_to_hz() 将八度数转换为频率。 fft_frequencies() np.fft.fftfreq的替代实现 cqt_frequencies() 计算Constant-Q箱的中心频率。 mel_frequencies() 计算调整到梅尔音阶的声学频率阵列。 tempo_frequencies() 计算对应于起始自相关或临时图矩阵的频率（以每分钟节拍数为单位）。 samples_like() 返回一组样本索引以匹配特征矩阵中的时间轴。 times_like() 返回一组时间值以匹配特征矩阵中的时间轴。

Pitch and tuning

函数名称功能 estimate_tuning() 估计音频序列的音调或者频谱输入 pitch_tuning() 给定一个集合,估计其调谐偏移(一个bin的分数)相对于A440 = 440.0Hz。 piptrack() 阈值抛物线插值STFT上的节距跟踪。

Deprecated(moved)

函数名称功能 dtw() 动态时间扭曲 fill_off_diagonal() 将一个矩阵的所有细胞设置为给定的值,如果它们位于约束区域之外。

Display

通过librosa.display.*访问函数。函数名称功能 specshow() Display a spectrogram/chromagram/cqt/etc. waveplot() 绘制波形的振幅包络 camp() 从给定的数据中获取默认的颜 {MOD}映射。 TimeFormatter() 时间轴的刻度格式化程序。 NoteFormatter() Notes的刻度格式。 LogHzFormatter() 用于对数频率的制表程序 ChromaFormatter() {MOD}度轴的格式化程序 TonnetzFormatter() tonnetz轴的格式化程序

Feature extraction

通过librosa.feature.*访问函数

Spectral features

函数名称功能 chroma_stft() 从stft的结果计算 {MOD}谱图。关于 {MOD}谱图得出详细参考文献：http://labrosa.ee.columbia.edu/matlab/chroma-ansyn/ chroma_cqt 常数Q {MOD}谱图 chroma_cens() {MOD}谱能量归一化。具体内容需参考文献：Meinard Müller and Sebastian Ewert “Chroma Toolbox: MATLAB implementations for extracting variants of chroma-based audio features” In Proceedings of the International Conference on Music Information Retrieval (ISMIR), 2011. melspectrogram() 计算梅尔频谱 mfcc() 梅尔倒频谱系数 rms() 谱的均方根 spectral_centroid() 谱中心 spectral_bandwidth() 谱带宽。 spectral_contrast() 谱对比度，参考文献：Jiang, Dan-Ning, Lie Lu, Hong-Jiang Zhang, Jian-Hua Tao, and Lian-Hong Cai. “Music type classification by spectral contrast feature.” In Multimedia and Expo, 2002. ICME‘02. Proceedings. 2002 IEEE International Conference on, vol. 1, pp. 113-116. IEEE, 2002. spectral_flatness() 频谱平坦度 spectral_rolloff() 滚降频率 poly_feature() 求一个n阶多项式与谱图列的拟合系数 tonnetz() 计算 {MOD}调质心特征(tonnetz)，详见参考文献：Harte, C., Sandler, M., & Gasser, M. (2006). “Detecting Harmonic Change in Musical Audio.” In Proceedings of the 1st ACM Workshop on Audio and Music Computing Multimedia (pp. 21-26). Santa Barbara, CA, USA: ACM Press. doi:10.1145/1178723.1178727. zero_crossing_rate() 过零率

Rhythm features

函数名称功能 tempogram() 计算模板图:起始强度包络线的局部自相关。参考文献：Grosche, Peter, Meinard Müller, and Frank Kurth. “Cyclic tempogram - A mid-level tempo representation for music signals.” ICASSP, 2010.

Feature manipulation

函数名称功能 delta() 计算增量特性:对输入数据沿选定轴的导数进行局部估计。计算了三角函数的萨维茨基-戈莱滤波。 stack_memory() 短期历史嵌入:将数据向量或矩阵与自身的延迟副本垂直连接。

Spectrogram decomposition

通过librosa.decompose.*访问函数名称功能 decompose() 分解一个特征矩阵 hpss() Median-filtering harmonic percussive source separation (HPSS). nn_filter() Filtering by nearest-neighbors.参考文献【1】Buades, A., Coll, B., & Morel, J. M. (2005, June). A non-local algorithm for image denoising. In Computer Vision and Pattern Recognition, 2005. CVPR 2005. IEEE Computer Society Conference on (Vol. 2, pp. 60-65). IEEE.【2】Rafii, Z., & Pardo, B. (2012, October). “Music/Voice Separation Using the Similarity Matrix.” International Society for Music Information Retrieval Conference, 2012.

Output

通过librosa.ouput.*来访问函数名称功能 annotation() 保存3列格式的注释。 time_csv() 按CSV格式保存时间步骤。这可以用来存储打击跟踪器或分割算法的输出。 write_wav() 保存为wav文件格式

Utilities

通过librosa.util.*来访问。

Array operations

函数名称功能 frame() 将时间序列分割成重叠的帧。 pad_center() 将数组居中。 fix_length() 将数组数据的长度固定为精确的大小。 fix_frames 固定一个帧的最大值和最小值。 index_to_slice() 从索引数组生成切片数组。关于这个函数的作用，需要学习一下numpy中切片数组的相关知识。 softmask() 鲁棒地计算软掩码操作。 sync() 边界之间多维数组的同步聚合。 axis_sort() 对数组的行或列进行排序。 normalize() 沿着选定的轴对数组进行标准化。 roll_sparse() 系数矩阵滚动。 sparsify_rows() 返回一个近似于输入x的行稀疏矩阵。 buf_to_float() 将整数缓冲区转换为浮点值。 tiny() 计算与输入数据类型对应的极小值。就是比如输入数据是int8类型，则返回int8类型可以表示的最小的数

Matching

函数名称功能 match_intervals() 将一组时间间隔与另一组时间间隔匹配。 match_events() 将一组事件与另一组事件匹配。

Miscellaneous

函数名称功能 localmax() 在数组x中找到局部最大值。 peak_pick() 使用灵活的启发式算法选择信号中的峰值。

Input Validation

函数名称功能 valid_audio() 验证变量是否包含有效的单声道音频数据。 valid_int() 确保输入值是整型的。 valid_intervals() 确保数组是时间间隔的有效表示。

File operations

函数名称功能 example_audio_file() 获取包含音频示例文件的路径。 find_files() 获取目录或目录子树中已排序的(音频)文件列表。