对音频信号用librosa作傅立叶变换，获得各个频率下的幅值，并画出图像，横轴是频率，纵轴是幅值。

以下是一个简单的代码示例：

import librosa
import numpy as np
import matplotlib.pyplot as plt

# 读取音频文件
audio_path = 'audio.wav'
y, sr = librosa.load(audio_path)

# 进行短时傅立叶变换
D = librosa.stft(y)

# 获得各个频率下的幅值
magnitude = np.abs(D)

# 将幅值转换成分贝单位
magnitude_db = librosa.amplitude_to_db(magnitude, ref=np.max)

# 画出频谱图
plt.figure(figsize=(10, 4))
librosa.display.specshow(magnitude_db, x_axis='linear', y_axis='linear', sr=sr)
plt.colorbar(format='%+2.0f dB')
plt.title('Linear-frequency power spectrogram')
plt.xlabel('Frequency (Hz)')
plt.ylabel('Magnitude')
plt.tight_layout()
plt.show()

解释一下这段代码的每一步：

1. 首先使用`librosa.load()`函数读取音频文件，并获得音频的采样率`sr`和波形数据`y`。
2. 使用`librosa.stft()`函数进行短时傅立叶变换，获得音频在时频域上的表示。
3. 对变换后的结果进行幅度谱计算，即取模。
4. 将幅度谱转换成分贝单位，方便可视化。
5. 使用`librosa.display.specshow()`函数画出频谱图，需要指定坐标轴类型、采样率等参数，并设置标题、坐标轴标签等。最后调用`plt.show()`函数显示图像。

注意，这段代码只能画出线性频率轴上的频谱图。如果需要画出对数频率轴上的频谱图，需要使用`librosa.display.specshow()`函数的`x_axis='log'`参数。此外，还可以使用`librosa.display.specshow()`函数的`hop_length`参数来控制短时傅立叶变换的窗口大小。