2024.4.23 load【librosa】

load

引数

path: 文字列

入力ファイルのパス

sr： > 0 の整数値

ターゲットのサンプリングレート、

デフォルトは22,050

mono : bool値

変換後をモノラル音声にする

offset　float型

音声データから読み込みを開始する位置の指定、単位は秒

duration：float

読み込みを行う長さを指定、単位は秒

dtype

出力（戻り値）のデータ型

res_type

リサンプルの手法の指定、デフォルトでは'soxr'

リサンプリングとは、再標本化のことであり、ある間隔で標本化された点列データを別の間隔で標本化されたデータに変換することである

戻り値

y：np.ndarray型

時系列の音響信号、多チャンネルに対応している

ステレオをモノラルに変換したとき、左右チャネルの音響データを加算するのか、その扱いについては要チェックである。

sr： > 0 となるスカラ値

出力 y のサンプリングレート

井上君のデータで試しに実行、引数は最低限のデフォルト値を確認する

>>> y, sr= librosa.load('resources/sample.wav')

>>> y.shape

(2844929,)

>> sr

22050

読み込んだ結果の音響データについて、

どうやらモノラル信号、長さは2844929

デフォルトのサンプリング周波数は22,050（２万２千５０）

ちなみにCDのサンプリング周波数は44.1KHz=44,100（業界標準的な値）なので、この半分である。

なので、

>>> t/sr

129.02172335600906

約129秒（＝２分9秒）の音響データであることが確認できる。

ステレオで読み込む

>>> y, sr= librosa.load('resources/sample.wav', mono=False)

>>> y.shape

(2, 2844929)

ステレオデータの形状が確認できた。また、名前付き引数monoはデフォルトでTrueのようだ。

durationを試してみる。

>>> y, sr= librosa.load('resources/sample.wav', duration=10.0)

>>> y.shape

(220500,)

>>> y.shape［0］] / sr

10.0

読み込む長さを秒数（float値）で指定する。

offset

>>> y, sr= librosa.load('resources/sample.wav', offset=120)

>>> y.shape［0］ / sr

9.02172335600907

読み込み位置を120秒目に指定した。その他はデフォルト値なので音響データの終端まで読み込みを行う。結果、約9秒分のデータが取得できた。

https://scrapbox.io/files/6627064ddcc8bd00254c2f66.png