【发布时间】：2018-01-10 06:20:23
【问题描述】：
我正在从事说话人识别项目。为了识别不同语音片段的说话者是否相同，我提取了多个特征，例如 MFCC、节奏、色度图、节拍时间、谐波、打击乐、melspectrogram 等。现在我还想找到语音片段的音高，以找到我正在使用此代码的音高：
import librosa
y,sr = librosa.load('E:/Audio_clip/cant.wav')
S = np.abs(librosa.stft(y))
#print(S)
pitch, mag = librosa.piptrack(y=y, sr=sr, S=S)
但是当我在控制台中打印音高和 mag 输出时，它为所有剪辑提供相同的输出，并且输出在音高和 mag 的 0 数组列表中，并且还给出错误：'NoneType' object不可迭代'
谁能建议我哪里错了，或者我如何找到语音片段的音高？
到目前为止，我识别说话人的计划是，首先我想创建这些特征的特征矩阵，然后我将使用 余弦相似度 函数来查找来自同一说话人的声音或不是。这是识别说话人的好方法吗？
【问题讨论】：
-
你的例子没有显示你从哪里得到
piptrack应该是librosa.piptrack吗？ -
是的，使用 librosa.piptrack() 函数。