提取音频的MFCC、频谱图代码

下面是使用Python中的`librosa`库提取音频的MFCC和频谱图特征的示例代码：

import librosa
import librosa.display
import matplotlib.pyplot as plt

# 加载音频文件
y, sr = librosa.load('audio_file.wav')

# 提取MFCC特征
mfccs = librosa.feature.mfcc(y=y, sr=sr, n_mfcc=40)

# 可视化MFCC特征
plt.figure(figsize=(10, 4))
librosa.display.specshow(mfccs, x_axis='time')
plt.colorbar()
plt.title('MFCC')
plt.tight_layout()

# 提取频谱图特征
stft = librosa.stft(y)
spectrogram = librosa.amplitude_to_db(abs(stft), ref=np.max)

# 可视化频谱图特征
plt.figure(figsize=(10, 4))
librosa.display.specshow(spectrogram, y_axis='log', x_axis='time')
plt.colorbar(format='%+2.0f dB')
plt.title('Log-frequency power spectrogram')
plt.tight_layout()

在这个示例代码中，`librosa.load`函数用于加载指定路径的音频文件，并返回一个音频样本`y`和采样率`sr`。`librosa.feature.mfcc`函数用于提取MFCC特征，其中`y`是音频样本，`sr`是采样率，`n_mfcc`是要提取的MFCC系数数量。`librosa.stft`函数用于计算频谱图，`abs`函数用于计算幅值，`librosa.amplitude_to_db`函数用于将幅值转换为分贝。最后，我们使用`librosa.display`库可视化提取的MFCC和频谱图特征。