Подходящим образом построенную спектрограмму STFT, содержащую как амплитуду, так и фазу, можно преобразовать обратно в форму волны во временной области с помощью метод Overlap Add. Важно то, что построение спектрограммы должно иметь constant-overlap-add а> собственность.
Может быть сложно заставить ваши модификации правильно манипулировать как величиной, так и фазой спектрограммы. Поэтому иногда фаза отбрасывается, а величина изменяется независимо. Чтобы преобразовать это обратно в сигнал, необходимо затем оценить информацию о фазе во время реконструкции (восстановления фазы). Это процесс с потерями и, как правило, довольно ресурсоемкий. В общепринятых подходах используется итеративный алгоритм, обычно являющийся разновидностью алгоритма Гриффина-Лима. Но теперь есть и новые методы с использованием сверточных нейронных сетей.
Форма волны из мел-спектрограммы или MFCC с использованием librosa
librosa версии 0.7.0 содержит быструю реализацию Griffin-Lim а также вспомогательные функции для инвертирования мел-спектрограммы MFCC.
Ниже приведен пример кода. Входной тестовый файл находится по адресу https://github.com/jonnor/machinehearing/blob/ab7fe72807e9519af0151ec4f7ebfd890f432c83/handson/spectrogram-inversion/436951__arnaud-coutancier__old-ladies-pets-and-train-02.flac
import numpy
import librosa
import soundfile
# parameters
sr = 22050
n_mels = 128
hop_length = 512
n_iter = 32
n_mfcc = None # can try n_mfcc=20
# load audio and create Mel-spectrogram
path = '436951__arnaud-coutancier__old-ladies-pets-and-train-02.flac'
y, _ = librosa.load(path, sr=sr)
S = numpy.abs(librosa.stft(y, hop_length=hop_length, n_fft=hop_length*2))
mel_spec = librosa.feature.melspectrogram(S=S, sr=sr, n_mels=n_mels, hop_length=hop_length)
# optional, compute MFCCs in addition
if n_mfcc is not None:
mfcc = librosa.feature.mfcc(S=librosa.power_to_db(S), sr=sr, n_mfcc=n_mfcc)
mel_spec = librosa.feature.inverse.mfcc_to_mel(mfcc, n_mels=n_mels)
# Invert mel-spectrogram
S_inv = librosa.feature.inverse.mel_to_stft(mel_spec, sr=sr, n_fft=hop_length*4)
y_inv = librosa.griffinlim(S_inv, n_iter=n_iter,
hop_length=hop_length)
soundfile.write('orig.wav', y, samplerate=sr)
soundfile.write('inv.wav', y_inv, samplerate=sr)
Полученные результаты
Восстановленная форма волны будет иметь некоторые артефакты.
В приведенном выше примере много повторяющегося шума, больше, чем я ожидал. Его удалось довольно сильно уменьшить с помощью стандартного алгоритма Noise Reduction в Audacity.
![Спектрограммы исходного звука, восстановленного звука и восстановленного звука с удаленным шумом](https://i.stack.imgur.com/orlyg.jpg)
person
Jon Nordby
schedule
02.08.2019