你有没有经常好奇一些音乐软件的频谱特效是怎么做的，为什么做的这么好看？有没有想试试自己提取音乐频谱并可视化展现出来？今天，咱就结合上次的音乐剪辑操作：

来可视化下面这首歌曲的频谱！

1.准备工作

开始之前，你要确保Python和pip已经成功安装在电脑上，如果没有，请访问这篇文章：

超详细Python安装指南

进行安装。

Windows环境下打开Cmd(开始—运行—CMD)，苹果系统环境下请打开Terminal(command+空格输入Terminal)，准备开始输入命令安装依赖。

当然，我更推荐大家用VSCode编辑器，把本文代码Copy下来，在编辑器下方的终端装依赖模块，多舒服的一件事啊：

Python 编程的最好搭档—VSCode 详细指南

。

输入以下命令安装本文所需要的依赖模块:

pip install pydub

pip install librosa

看到 Successfully installed xxx 则说明安装成功。

2.频谱展示

使用librosa和matplot，我们可以用10行代码完整地展示整个频谱：

import matplotlib.pyplot as plt

import librosa.display

# 音乐文件载入

audio_path = 'Fenn.mp3'

music, sr = librosa.load(audio_path)

# 宽高比为14:5的图

plt.figure(figsize=(14, 5))

librosa.display.waveplot(music, sr=sr)

# 显示图

plt.show()

不过，这样的频谱是整段音乐的，看起来非常难看，接下来我们使用 pydub 切割频谱，以获得更佳的效果。我们细分到0到1秒的区段来查看频谱：

import matplotlib.pyplot as plt

import librosa.display

import numpy as np

from pydub import AudioSegment

# 1秒=1000毫秒

SECOND = 1000

# 音乐文件

AUDIO_PATH = 'Fenn.mp3'

def split_music(begin, end, filepath):

# 导入音乐

song = AudioSegment.from_mp3(filepath)

# 取begin秒到end秒间的片段

song = song[begin*SECOND: end*SECOND]

# 存储为临时文件做备份

temp_path = 'backup/'+filepath

song.export(temp_path)

return temp_path

music, sr = librosa.load(split_music(0, 1, AUDIO_PATH))

# 宽高比为14:5的图

plt.figure(figsize=(14, 5))

librosa.display.waveplot(music, sr=sr)

plt.show()

这下细是细了，但是还是太复杂了，其实我们做频谱的展示，只需要正值即可：

然后我们还可以进一步放大，比如说0.9秒到1秒之间的频谱：

放大

n0 = 9000

n1 = 10000

music = np.array([mic for mic in music if mic > 0])

plt.figure(figsize=(14, 5))

plt.plot(music[n0:n1])

plt.grid()

显示图

plt.show()

这样好看许多，不过如果要达成QQ音乐那种效果，还是需要进行大量改造。

比如用精美的图像元素来填充替代、然后零值如何处理？如何让频谱更加平稳？此外，我们是静态的图像，还需要根据事件动态地延续波段。

用于生产的代码肯定比我们这简易的代码更加复杂，而且也不应该是暴力去除负值绘制图像。这些有兴趣的读者可以自行研究啦。

我们的文章到此就结束啦，如果你希望我们今天的

Python 实战教程

，请持续关注我们，如果对你有帮助，麻烦在下面点一个赞/在看哦，有任何问题都可以在下方留言区留言，我们都会耐心解答的！

Python实用宝典

不只是一个宝典

欢迎关注公众号：Python实用宝典