用python绘制绘制宽带语谱图NFFT = framesize 设置帧与帧重叠部分采样点数，overlapSize约为每帧点数的1/3~1/2

以下是使用python绘制宽带语谱图的示例代码：

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

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

# 设置帧大小和重叠部分采样点数
n_fft = len(y) // 40  # 帧大小为音频长度的1/40
hop_length = n_fft // 2  # 重叠部分采样点数为帧大小的1/2

# 计算短时傅里叶变换（STFT）谱图
D = librosa.stft(y, n_fft=n_fft, hop_length=hop_length)

# 将STFT谱图转换为能量谱图（dB）
S = librosa.amplitude_to_db(abs(D), ref=1.0)

# 绘制语谱图
plt.figure(figsize=(10, 4))
librosa.display.specshow(S, sr=sr, hop_length=hop_length, x_axis='time', y_axis='linear', cmap='coolwarm')
plt.colorbar(format='%+2.0f dB')
plt.title('Wideband Spectrogram')
plt.tight_layout()
plt.show()

在上述代码中，我们首先加载音频文件，并设置帧大小和重叠部分采样点数。然后，使用`librosa.stft`函数计算短时傅里叶变换（STFT）谱图，并将其转换为能量谱图（dB）。最后，使用`librosa.display.specshow`函数绘制语谱图，并使用`plt.colorbar`函数添加颜色条。

需要注意的是，帧大小和重叠部分采样点数的设置会影响语谱图的分辨率和平滑度。通常情况下，帧大小应该越大，分辨率越高，但是也会导致语谱图变得更加粗糙。而重叠部分采样点数越多，则平滑度越高，但是也会导致语谱图的时间分辨率降低。因此，在实际应用中，需要根据具体情况进行调整。