Librosa的逆mel频谱图到stft需要很长时间

Question

我目前正在尝试将mel频谱图转换回音频文件，然而，librosa的mel_to_stft函数需要很长时间(最多15分钟(才能读取以384kHz采样的30秒.wav文件。

以下是我的代码：

# Code for high pass filter
def butter_highpass(cutoff, fs, order=5):
nyq = 0.5 * fs
normal_cutoff = cutoff / nyq
b, a = butter(order, normal_cutoff, btype='high', analog=False)
return b, a
def butter_highpass_filter(data, cutoff, fs, order=5):
b, a = butter_highpass(cutoff, fs, order=order)
y = filtfilt(b, a, data)
return y
def high_pass_filter(data, sr): 
# set as a highpass filter for 500 Hz
filtered_signal = butter_highpass_filter(data, 500, sr, order=5)
return filtered_signal
example_dir = '/Test/test.wav'
sr, data = wavfile.read(example_dir)
des_sr = 44100
data_resamp = samplerate.resample(data, des_sr/sr, 'sinc_best')
data_hp = high_pass_filter(data_resamp, des_sr)
mel_spect = librosa.feature.melspectrogram(y=data_resamp, sr=des_sr)
S = librosa.feature.inverse.mel_to_stft(mel_spect)
y = librosa.griffinlim(S)

Answer 1

Griffin-Lim是一种迭代方法，用于从仅震级的谱图中估计所需的相位信息。librosa实现中的迭代次数可以进行调整(n_iter(。减少这一点会使事情加速一点，但总体来说是缓慢的。

频谱处理后返回波形的速度可以通过以下方式加快：

1. 使用一次性近似方法，如神经网络。例如，使用多头卷积神经网络的快速光谱图反演
2. 通过使用原始相位信息而不是根据修改后的幅度谱图来估计它。这要求相位谱图是可用的(不仅仅是幅度(，但在对音频文件进行频谱处理时通常是这样