以下摘自与博客园博主@凌逆战的问答：
Q1：librosa.stft里导出的矩阵实部部分，官方描述是the magnitude of the frequency(频率的幅度), 是不是就是对应我们平时说的振幅/音量的意思呢？但是这个矩阵的值，又和我用librosa.amplitude_to_db导出的矩阵的值不一样，这让我很疑惑；
A1: 频率的幅度不代表音响，时域波形的增幅才代表音量。
Q2：有没有什么办法可以提取每一个采样点/帧的频率以及该频率对应的时长呢？我之前的想法是用stft导出频率和相位，然后用相位和频率的关系计算出时间差，但是stft似乎导出的不是频率因此也不可行。。。有什么建议吗？
A2: 一个采样点有没频率概念，频率的概念是一秒内采样点的个数，画个语谱图出来，应该就能明白了。
Q3：librosa里面有没有什么办法可以获取一段音频某一采样点/帧的基波呢？
A3: 求基频好像有，librosa.yin和librosa.pyin用于基本频率估计。你可以参考API手册。
再次感谢@凌逆战的悉心指教！
Reference：