在这里，我想使用sox 将flac 文件转换为spectogram png 文件。当我想转换.flac文件时，可以使用以下命令
sox output.flac -n spectrogram -r -o a.png
如果我想转换成 N x 129 像素的光谱图，我可以使用以下命令
sox output.flac -n spectrogram -Y 200 -X 50 -m -r -o spectogram.png
但是，我不太明白 -Y 200 和 -X 50 参数的含义，即有没有办法可以将这些参数转换为采样频率、时间箱（以毫秒为单位）以及频率箱，如 Matlab或 Python。如果有人可以在这里详细回答，那就太好了，因为chirlu/sox 中的文档没有明确说明它的含义（或者我没有明确找到它）。
【问题讨论】：
标签： sox
官方sox manual对参数进行了完整的描述，源码在这里spectrogram.c。
但简而言之：
-X个数：
X轴像素/秒；默认值是自动计算的以适应给定的 或已知音频持续时间到 X 轴大小，否则为 100。如果给出 与 -d 一起使用，此选项会影响 频谱图；否则，它会影响频谱图的持续时间。 num 可以从 1（低时间分辨率）到 5000（高时间分辨率） 并且不必是整数。
和
-Y 数量：
设置频谱图的目标总高度。默认值为 550 像素。使用此选项（默认情况下），SoX 将 为单独的频谱图通道选择一个高度 大于 2 的幂，因此实际总高度可能低于 给定的数字。
对于-X 50，水平时间分辨率为：
dt = 1000/50 = 20 ms/pixel
对于-Y 200，2 小于 200 的最大幂为 128。假设采样率为 44.1 kHz，则频率分辨率为：
bin_size = 44100/128 = 344.5 Hz
【讨论】：
-Y 会选择落在2^n 的频率范围。这就是为什么它达到 128 而不是 50。