Какую информацию возвращает librosa.load?

Чтобы подтвердить предыдущий ответ, librosa.load возвращает временной ряд, который в глоссарий librosa определяется как:

временной ряд: обычно аудиосигнал, обозначаемый y и представленный как одномерный numpy.ndarray значений с плавающей запятой. y [t] соответствует амплитуде сигнала на выборке t.

Амплитуда обычно измеряется как функция изменения давления вокруг микрофона или приемного устройства, которое первоначально принимало звук. (Подробнее см. здесь).

Насколько мне известно, амплитуда - это измерение изменения атмосферного давления во время записи. Согласно librosa.load документации, здесь, этот метод возвращает два вещи:

• Частота дискретизации sr: что означает, сколько отсчетов записывается в секунду.

• 2D-массив:

  • The first axis: represents the recorded samples of amplitudes (change of air pressure) in the audio.
  • Вторая ось: представляет количество каналов в звуке.

Вот пример из официальной документации:

>>> import librosa

>>> filename = librosa.util.example_audio_file()
>>> y, sr = librosa.load(filename)
>>> sr  #sample rate
22050
>>> y.shape   #mono (1 channel)
(1355168,)
>> y.shape[0] / sr  #duration of audio file in seconds
61.45886621315193

Как мы можем видеть:

• Частота дискретизации равна 22050, что означает, что рекордер записывал 22050 раз в секунду.
• y.shape = (1355168,) означает, что было записано 1355168 сэмплов только на одном канале (моно) по всему аудио.
• Используя простую математику, вы можете рассчитать продолжительность этого аудиофайла, разделив total_number_of_samples на sample_rate.

Чтобы добавить к приведенному выше ответу, вы также можете использовать функцию librosa librosa.get_duration(y,sr), чтобы получить продолжительность аудиофайла в секундах. Или вы можете использовать len(y)/sr, чтобы получить продолжительность аудиофайла в секундах