Librosaのスペクトログラムを特定サイズの画像として保存する方法

Librosaは、音声や音楽ファイルの分析を支援するPythonパッケージです。音楽情報検索（MIR）システムの構築にも広く活用されています。本記事では、Librosaで生成したスペクトログラムのプロットを、指定したサイズの画像ファイルとして保存する方法を解説します。

手順

• 図のサイズを設定し、サブプロット間および周囲の余白（パディング）を調整します。

• 図とサブプロットのセットを作成します。

• スペクトログラムの時間ステップあたりのサンプル数、画像の高さ、幅を格納する3つの変数 hl、hi、wi を初期化します。

• デモ音源を読み込みます。

• 音声時系列のリストであるwindowを作成します。

• melspectrogram()にwindowと手順3のデータを渡して、メルスケールのスペクトログラムを計算します。

• power_to_db()メソッドを使用して、パワースペクトログラム（振幅の2乗）をデシベル（dB）単位に変換します。

• スペクトログラムをimgとして表示します（この時点で保存することも可能です）。

• savefig()を使用してimgを保存します。

• plt.show()メソッドで画像を表示します。

コード例

import numpy as np
import matplotlib.pyplot as plt
import librosa.display

plt.rcParams["figure.figsize"] = [7.50, 3.50]
plt.rcParams["figure.autolayout"] = True

fig, ax = plt.subplots()

hl = 512 # スペクトログラムの時間ステップあたりのサンプル数
hi = 128 # 画像の高さ
wi = 384 # 画像の幅

# デモ音源の読み込み
y, sr = librosa.load(librosa.ex('trumpet'))
window = y[0:wi*hl]

S = librosa.feature.melspectrogram(y=window, sr=sr, n_mels=hi, fmax=8000,
hop_length=hl)
S_dB = librosa.power_to_db(S, ref=np.max)
img = librosa.display.specshow(S_dB, x_axis='time', y_axis='mel', sr=sr, fmax=8000, ax=ax)

plt.savefig("out.png")
plt.show()

出力結果