import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport librosa as lrimport globpath = r'/content/drive/MyDrive/ESC-50/305 - Coughing/*.ogg'a = glob.glob(path)print(len(a))for file in range(0,len(a),1):  #scale, sr = librosa.load(a[file])  #print(sr)  scale, sr = librosa.load(a[file])   mel_spectrogram = librosa.feature.melspectrogram( scale, sr=sr, n_fft=1024, hop_length=512,    n_mels=228                                                   )  mel_spectrogram.shape    log_mel_spectrogram = librosa.power_to_db((mel_spectrogram))    log_mel_spectrogram.shape  plt.figure(figsize=(10, 5))     librosa.display.specshow(log_mel_spectrogram, x_axis="time",                            y_axis="log",                                                         sr=sr)  plt.colorbar(format="%+2.f")  plt.show()

我正在尝试读取音频并将其转换为梅尔频谱图，以便用于机器学习模型的训练。但是我从大小相同且采样频率相同的音频中得到了不同的频谱图。我希望得到背景相同的频谱图，以便提高我的机器学习模型的准确性。

https://i.sstatic.net/beDR8.png

回答：

你的频谱图的值看起来合理，并且对于所有音频片段的值大致处于同一范围内。但是你在绘图时没有指定颜色映射，因此由于librosa的自动检测，有些频谱图的颜色映射不同。请在librosa.display.specshow中指定cmap=’magma’，这样应该不会有问题。

请注意，对于机器学习，你不应该使用频谱图的图像，而是直接使用频谱图的值。如果你想要图像表示，请参考 https://stackoverflow.com/a/57204349/1967571