MFCC转音频，效果不要太逗＞V＜！

• 提取《小步舞曲》的MFCC
• 将MFCC转音频
• • 如果使用的是jupyter notebook进行编程，可直接使用下述代码进行音频聆听
• 实验结论

MFCC很好地表示了音频的频率特征。MFCC可以代表音频，作为深度学习端到端模型的输入（尽管实验证明，声谱图比MFCC有更好的性能）。那么MFCC转音频的效果是什么呢？本文将以巴赫《小步舞曲》为例，进行实验。

Oh！I don't know how to upload the audio! So this article I will just show the Experimental process. If you know how to do that, please tell me. And then I will supplement this article.（笔者最近对英语有狂热的兴趣，所以写文章时会想锻炼锻炼英语）

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

music = "D:/my life/music/bach.mp3"
y, sr = librosa.load(music, sr=22050)

n_fft = 2048
hop_length = 512

# MFCC
MFCCs = librosa.feature.mfcc(y, n_fft=n_fft, hop_length=hop_length, n_mfcc=13)
librosa.display.specshow(MFCCs, sr=sr, hop_length=hop_length)  # specshow()用于展示具有横轴纵轴右侧轴的图
plt.xlabel("Time")
plt.ylabel("MFCC")
plt.colorbar()
plt.show()

y= librosa.feature.inverse.mfcc_to_audio(MFCCs)

# 将MFCC写入本地
import soundfile
soundfile.write("D:/my life/music/bach.wav", y, 22050)  # 注意：只能写成WAV格式的

# 听听效果如何
import IPython.display as ipd
ipd.Audio("D:/my life/music/bach.wav")

从聆听效果来看，节奏、音符强弱很好地还原了原音频，但是听觉效果变成了打击乐，即：损失了音高信息。

MFCC转音频的重建效果并不完美。因为将原始音频转移到MFCC时，会丢失大量的信息。