如何正确使用 pitch_shift (librosa)？

Question

我尝试使用 librosa 中的 librosa 和 pitch_shift。 我录制了一些我的声音并使用了这个代码：

sampling_rate= 44100
y, sr = librosa.load(directory, sr=sampling_rate) # y is a numpy array of the wav file, sr = sample rate

y_shifted = librosa.effects.pitch_shift(y, sr, n_steps=4, bins_per_octave=24)  # shifted by 4 half steps
librosa.output.write_wav(directory, y_shifted, sr=sampling_rate, norm=False)

它工作正常 - 几乎。

我在新声音中听到一些噪音（在 pitch_shifting 之后）

有什么我需要使用的吗？

不换班：

https://vocaroo.com/i/s1qEEDvzcUHN

有移位（n_steps = 4）：

https://vocaroo.com/i/s0cOiC0cFJSB

Answer 1

音高偏移通常涉及STFT，偏移通常是沿频率轴的幅度谱，然后通过Griffin-Lim-算法进行信号重建（Quora-explanation 了解 Griffin-Lim 的工作原理）。

问题在于，当我们移动幅度谱时，我们就是这样做的——而忽略了相位！ Griffin-Lim 在重构时域信号时试图找到一个合理的解决方案来找到正确的相位，但通常只是：一个合理的解决方案，而不是一个完美的解决方案。这就是为什么你会听到这种金属音。那是您的信号相位不太正确（也称为“相位”）。

我相信您对librosa 的函数调用完全没问题。它可能不是地球上最伟大的实现。试试PyRubberband。它基于Rubberband（一个C++ 库）并有一个good reputation。