我试过PyRubberband、librosa、praat-parselmouth和pysox。所有这些都可以工作，但我仍然在输出中听到一些噪音或小伪影。此外，他们将音频移动了大约 100 毫秒。我如何调整它们以获得最好的质量，或者你能推荐任何做得更好的库吗？
UPD： FFMPEG 方法：
ffmpeg -i input.wav -af asetrate=48000*1.1,aresample=48000,atempo=1/1.1 output.wav
问问题
391 次
1 回答
1
我猜在提到的四个中，PyRubberband 可能是最好的算法。取决于你想要改变音高的程度，你永远不会达到完美的结果。这与（据我所知）它们都使用相位声码器这一事实有关，该相位声码器将信号转换为频域，使用不完美的Griffin-Lim 算法移动然后将其转换回时域。Griffin-Lim 倾向于引入小的相位伪影，从而导致轻微的金属声音。
要了解有关时间尺度修改/音高转换的更多信息，我推荐 Dredger 的这篇概述文章。
于 2020-06-24T06:15:21.760 回答