librosa.get_duration()怎么用？音频时长计算方法

本文深入解析了 librosa 库中易被误用的音频时长计算函数 `librosa.get_duration()`，明确指出它不接受任何位置参数，必须严格通过关键字参数 `y`（一维音频信号）和 `sr`（真实采样率）调用，否则会触发 TypeError；同时澄清了多通道音频需降维处理、采样率须显式匹配、以及后续时长对齐计算中的常见精度陷阱，为音频处理开发者提供了清晰、可靠且可直接复用的实践指南。

librosa.get_duration() 是一个无参函数（不接受音频数据作为位置参数），必须显式通过关键字参数 y 和 sr 传入音频信号与采样率，否则会报错 “takes 0 positional arguments but 1 was given”。

librosa.get_duration() 是一个无参函数（不接受音频数据作为位置参数），必须显式通过关键字参数 `y` 和 `sr` 传入音频信号与采样率，否则会报错 “takes 0 positional arguments but 1 was given”。

在使用 librosa.get_duration() 时，一个常见误区是将其误当作接收音频数组的位置参数函数调用，例如 lb.get_duration(swap_ad[1])。实际上，*librosa.get_duration() 的函数签名是 `get_duration(, y=None, sr=22050, duration=None, hop_length=512, n_fft=2048)** —— 其所有参数均为关键字限定（keyword-only），不支持位置传参。因此，直接传入音频数组会导致TypeError`。

正确做法是显式指定 y（一维音频时间序列）和 sr（采样率）：

# ✅ 正确：显式传入关键字参数
duration = lb.get_duration(y=swap_ad[1][:, 0], sr=sr)

注意两点关键细节：

• swap_ad[1] 通常是多通道（如立体声）的二维数组（shape: (n_samples, n_channels)），而 get_duration() 要求 y 是一维向量。因此需选取单通道，例如 swap_ad[1][:, 0]（取左声道）或 swap_ad[1].mean(axis=1)（双声道均值）；
• sr 必须与实际加载的采样率一致（本例中 sp.read_stems(..., sample_rate=22050) 已指定，故 sr=22050）；若省略 sr，将使用默认值 22050，但显式传入更安全、可读性更强。

此外，原代码中 duration_length = (duration // 0.6) * 6 使用了地板除（//），其结果为浮点数，后续转 int() 可能因精度问题导致截断误差。建议改用 math.floor 或更稳健的对齐方式：

import math
duration_length = int(math.floor(duration / 0.6)) * 6  # 明确整数向下取整

最后，请确保 stft_frame() 函数能正确处理该 duration_length（单位为样本数或帧数），并与实际音频长度兼容，避免索引越界。

✅ 总结：调用 librosa.get_duration() 的唯一合规方式是 仅使用关键字参数 y 和 sr，杜绝位置传参；同时保证输入 y 是一维、sr 是整数且与音频真实采样率一致。

今天关于《librosa.get_duration()怎么用？音频时长计算方法》的内容就介绍到这里了，是不是学起来一目了然！想要了解更多关于的内容请关注golang学习网公众号！