使用时librosa.stft()要计算频谱图，如何获取相关的频率值？我对生成图像不感兴趣，如librosa.display.specshow，而是我希望掌握这些价值观。

y, sr = librosa.load('../recordings/high_pitch.m4a')
stft = librosa.stft(y, n_fft=256, window=sig.windows.hamming)
spec = np.abs(stft)

spec给我每个频率的“幅度”或“功率”，但不是频率箱本身。我看到有一个display.specshow函数将在热图的垂直轴上显示这些频率值，但不返回值本身。

我正在寻找类似的东西nn.fft.fttfreq()对于单个 FFT，但无法在librosa文档。

我想特别指出这个问题并回答：如何获取 FFT 中每个值的频率？ https://stackoverflow.com/questions/4364823/how-do-i-obtain-the-frequencies-of-each-value-in-an-fft。除了咨询librosa 的 STFT 文档 https://librosa.org/doc/latest/generated/librosa.stft.html，我们知道横轴是时间轴，纵轴是频率。频谱图中的每一列都是时间切片的 FFT，其中该时间点的中心有一个窗口，其中放置了n_fft=256成分。

我们还知道有一个跳长它告诉我们在计算下一个 FFT 之前需要跳过多少音频样本。默认情况下这是n_fft / 4，因此音频中的每 256 / 4 = 64 个点，我们都会计算一个以该时间点为中心的新 FFTn_fft=256点长。如果你想知道每个窗口集中的确切时间点，那就简单了i / Fs with i是音频信号的索引，它是 64 的倍数。

现在，对于每个 FFT 窗口，对于真实信号，频谱是对称的，因此我们只考虑 FFT 的正侧。这已通过文档验证，其中行数以及频率分量的数量为1 + n_fft / 2其中 1 是直流分量。既然现在有了这个，查阅上面的帖子，bin号与对应频率的关系是i * Fs / n_fft with i是垃圾箱编号，Fs是采样频率和n_fft=256作为 FFT 窗口中的点数。由于我们只查看半光谱，而不是i从 0 到n_fft，范围从 0 到1 + n_fft / 2相反，作为超越垃圾箱1 + n_fft / 2只是半频谱的反射版本，因此我们不考虑超出范围的频率分量Fs / 2 Hz.

如果你想生成这些频率的 NumPy 数组，你可以这样做：

import numpy as np
freqs = np.arange(0, 1 + n_fft / 2) * Fs / n_fft

freqs将是一个将 FFT 中的 bin 编号映射到相应频率的数组。作为说明性示例，假设我们的采样频率为 16384 Hz，并且n_fft = 256。所以：

In [1]: import numpy as np

In [2]: Fs = 16384

In [3]: n_fft = 256

In [4]: np.arange(0, 1 + n_fft / 2) * Fs / n_fft
Out[4]:
array([   0.,   64.,  128.,  192.,  256.,  320.,  384.,  448.,  512.,
        576.,  640.,  704.,  768.,  832.,  896.,  960., 1024., 1088.,
       1152., 1216., 1280., 1344., 1408., 1472., 1536., 1600., 1664.,
       1728., 1792., 1856., 1920., 1984., 2048., 2112., 2176., 2240.,
       2304., 2368., 2432., 2496., 2560., 2624., 2688., 2752., 2816.,
       2880., 2944., 3008., 3072., 3136., 3200., 3264., 3328., 3392.,
       3456., 3520., 3584., 3648., 3712., 3776., 3840., 3904., 3968.,
       4032., 4096., 4160., 4224., 4288., 4352., 4416., 4480., 4544.,
       4608., 4672., 4736., 4800., 4864., 4928., 4992., 5056., 5120.,
       5184., 5248., 5312., 5376., 5440., 5504., 5568., 5632., 5696.,
       5760., 5824., 5888., 5952., 6016., 6080., 6144., 6208., 6272.,
       6336., 6400., 6464., 6528., 6592., 6656., 6720., 6784., 6848.,
       6912., 6976., 7040., 7104., 7168., 7232., 7296., 7360., 7424.,
       7488., 7552., 7616., 7680., 7744., 7808., 7872., 7936., 8000.,
       8064., 8128., 8192.])

In [5]: freqs = _; len(freqs)
Out[5]: 129

我们可以看到我们已经生成了一个1 + n_fft / 2 = 129元素数组告诉我们每个相应的 bin 编号的频率。

一句警告

请注意librosa.display.specshow https://librosa.org/doc/latest/generated/librosa.display.specshow.html默认采样率为 22050 Hz，因此如果不设置采样率（sr）与音频信号的采样频率相同，垂直轴和水平轴将不正确。确保您指定了sr输入标志以匹配传入音频的采样频率。