语谱图的横坐标为时间，纵坐标为对应时间点的频率。坐标中的每个点用不同颜色表示，颜色越亮表示频率越大，颜色越淡表示频率越小。可以说语谱图是一个在二维平面展示三维信息的图,既能够表示频率信息,又能够表示时间信息。

创建和绘制语谱图的过程是首先对音频分帧，然后对每一帧进行傅里叶变换得到对应的频率特征，最后根据帧的先后顺序形成一张语谱图。我们可以通过 matplotlib.pyplot模块中的specgram函数绘制音频的语谱图，函数形式如下:语法:matplotlib.pyplot.specgram(x, NFFT=None, Fs=None, Fc=None,detrend=None, window=None, , noverlap=None, cmap=None, xextent=None, pad_to=None, sides=None, scale_by_freq=None, mode=None, scale=None, vmin=None, vmax=None, *, data=None,**kwargs)

X--为输入信号的向量，默认情况下，没有后续参数，x将被平分成8段分别进行傅里叶变换处理，如果x不能被平分成8段，则会做截断处理。

NFFT--傅里叶变换中每个片段的数据点数(窗长度),默认为256。 Fs--采样频率,默认为2。

window--窗函数,长度必须等于NFFT(帧长),默认为汉宁窗。

noverlap--窗之间的重叠长度。默认值是128。

xextent--None or(xmin,xmax)图像x轴范围。

Sides--{'default',onesided', 'twosided'}单边频谱或双边谱。

scale_by_freg--bool,密度值是否按密度频率缩放,MATLAB默认为真。

mode--{'default', 'psd', 'magnitude', 'angle', 'phase'}默认为 PSD 谱。

scale--{'default',1inear'，'dB')频谱纵坐标单位,默认为dB。返回值:

spectrum--二维阵列,频谱矩阵。

Freqs--一维数组,频谱图中每行对应的频率。 t--一维数组,频谱图中每列对应的时间。

int--图像。

代码如下

 

运行的结果如图: