Pythonで音声ファイル（モノラル・ステレオ両対応）のスペクトログラム描画 - Qiita

Pythonで音声ファイルのスペクトログラム描画をしてみました。とてもよくあるパターンではありますが、モノラル・ステレオ両対応になっているのが特徴です。 後でも述べますが、スペクトログラム描画により、人間が話しているところと、無音もしくは人間の会話周波数と異なるノイズとを、一目瞭然で区別することが可能です。例えば、話者識別の教師データを作る場合など、スペクログラムを見ることで、やりやすくなるでしょう。 なお、音声分析にはlibrosaを使う場合も多いようです。 細かい説明はコードに書かれていますが、以下概要です。 pysoundfileでwaveファイルを読み込み 冒頭5分のみ切り出し（必須ではありませんが処理速度の関係で時間を短くしました） 高速フーリエ変換 7kHz未満の周波数のみ切り出し（人間の音声は3.4kHz未満がほとんどで、7kHz未満でも高音質） 音圧をdBに変換（相対dB）