你有沒有經(jīng)常好奇一些音樂軟件的頻譜特效是怎么做的，為什么做的這么好看？有沒有想試試自己提取音樂頻譜并可視化展現(xiàn)出來？今天，咱就結(jié)合上次的音樂剪輯操作：

1.準(zhǔn)備

開始之前，你要確保Python和pip已經(jīng)成功安裝在電腦上噢，如果沒有，請訪問這篇文章：超詳細(xì)Python安裝指南 進(jìn)行安裝。

Windows環(huán)境下打開Cmd(開始—運(yùn)行—CMD)，蘋果系統(tǒng)環(huán)境下請打開Terminal(command+空格輸入Terminal)，準(zhǔn)備開始輸入命令安裝依賴。

當(dāng)然，我更推薦大家用VSCode編輯器，把本文代碼Copy下來，在編輯器下方的終端裝依賴模塊，多舒服的一件事啊：Python 編程的最好搭檔—VSCode 詳細(xì)指南。

在終端輸入以下命令安裝我們所需要的依賴模塊:

pip install pydub
pip install librosa

看到 Successfully installed xxx 則說明安裝成功。

2.頻譜展示

使用librosa和matplot，我們可以用10行代碼完整地展示整個頻譜：

import matplotlib.pyplot as plt
import librosa.display
# 音樂文件載入
audio_path = 'Fenn.mp3'
music, sr = librosa.load(audio_path)
# 寬高比為14:5的圖
plt.figure(figsize=(14,5))
librosa.display.waveplot(music, sr=sr)
# 顯示圖
plt.show()

不過，這樣的頻譜是整段音樂的，看起來非常難看，接下來我們使用 pydub 切割頻譜，以獲得更佳的效果。我們細(xì)分到0到1秒的區(qū)段來查看頻譜：

import matplotlib.pyplot as plt
import librosa.display
import numpy as np
from pydub import AudioSegment
# 1秒=1000亳秒
SECOND = 1000
#音樂文件
AUDIO_PATH = 'Fenn.mp3'

def split_music(begin, end, filepath):
    # 導(dǎo)兒音樂
    song = AudioSegment.from_mp3(filepath)
    # 取begin秒至ijend秒間的片段
    song = song[begin*SECOND: end*SECOND]
    # 存儲為臨時文件做備份
    temp_path = 'backup/'+filepath
    song.export(temp_path)
    return temp_path
music, sr = librosa.load(split_music(0, 1, AUDIO_PATH))
#寬高比為14:5的圖
plt.figure(figsize=(14, 5))
librosa.display.waveplot(music, sr=sr)
plt.show()

這下細(xì)是細(xì)了，但是還是太復(fù)雜了，其實(shí)我們做頻譜的展示，或許只需要正值即可：

然后我們還可以進(jìn)一步放大，比如說0.9秒到1秒之間的頻譜：

# 公眾號：Python 實(shí)用寶典
n0 = 9000
n1 = 10000
music = np.array([mic for mic in music if mic > 0])
plt.figure(figsize=(14, 5))
pit.plot(music[n0:n1])
plt.grid()
#顯示圖
plt.show()

這樣好看許多，不過如果要達(dá)成QQ音樂那種效果，還是需要進(jìn)行大量改造。

比如用精美的圖像元素來填充替代、然后零值如何處理？如何讓頻譜更加平穩(wěn)？此外，我們是靜態(tài)的圖像，還需要根據(jù)事件動態(tài)地延續(xù)波段。

用于生產(chǎn)的代碼肯定比我們這簡易的代碼更加復(fù)雜，而且也不應(yīng)該是暴力去除負(fù)值繪制圖像。這些有興趣的讀者可以自行研究啦。