librosa
Pythonの音声・音楽信号処理ライブラリ。MIR（Music Information Retrieval、音楽情報検索）システム構築に必要な基礎的なアルゴリズムとツール群を提供する。NumPy/SciPyの上に構築されており、matplotlibと連携した可視化もできる。ISCライセンス。
2015年のSciPyカンファレンスで発表された論文「librosa: Audio and music signal analysis in python」がベースになっている、研究由来のライブラリ。
インストールは以下のいずれか。
pip install librosa
conda install -c conda-forge librosa
モジュール構成
| モジュール | 役割 |
|---|---|
librosa.core（トップレベルlibrosa.*からも直接呼べる） |
音声ファイルの読み込み(load)、各種スペクトログラム計算など基礎機能 |
librosa.feature |
MFCC、クロマ特徴量、メルスペクトログラム、スペクトル重心など特徴量抽出。delta()で差分特徴量も可 |
librosa.beat |
テンポ推定・ビート検出（beat_track()） |
librosa.onset |
オンセット（音の立ち上がり）検出 |
librosa.effects |
ピッチシフト、タイムストレッチなど時間領域の加工 |
librosa.decompose |
調波・打楽器成分分離(HPSS)、汎用スペクトログラム分解 |
librosa.segment |
構造セグメンテーション |
librosa.sequence |
ビタービ復号などの系列モデリング |
librosa.display |
matplotlibベースの波形・スペクトログラム可視化 |
librosa.util |
正規化・パディング等のユーティリティ |
主な用途
- 音楽情報検索(MIR): ジャンル分類、テンポ・拍検出、コード認識など
- 機械学習の前処理: MFCCやメルスペクトログラムを算出し、音声認識・音響イベント検出モデルの入力にする
- 音声加工: ハーモニック/パーカッシブ分離、ピッチ・テンポ変換
- 対応フォーマットはWAV/OGG/MP3/FLACなど
典型的なワークフローは、librosa.load()で波形を読み込み → librosa.feature.*で特徴量抽出 → 必要に応じてlibrosa.beat.beat_track()やlibrosa.effects.hpss()で解析、という流れになる。