试图将音频分成 20 毫秒的块并制作频谱图，但看起来很奇怪

如何解决试图将音频分成 20 毫秒的块并制作频谱图，但看起来很奇怪

我基本上有一个 16-bit PCM WAV mono at 44100hz 音频文件，我正在尝试将其转换为频谱图。但是我想要每 20 毫秒的音频频谱图（尝试将其用于语音识别），但是每当我尝试将我所拥有的内容与 Audacity 进行比较时，它真的很不一样。我对 python 有点陌生，所以我试图根据我的 java 知识来建立它。任何帮助，将不胜感激。我想我要么错误地拆分了读取的样本（我所做的是在数组中每 220 个元素拆分它，因为我相信音频数据只是时域中的样本，以使其达到 20 毫秒音频）

这是我现在拥有的代码：

import librosa.display
import numpy

audioPath = 'C:\\Users\\pawar\\Desktop\\Resister.wav'

audioData,sampleRate = librosa.load(audioPath,sr=None)
print(sampleRate)
new = numpy.zeros(shape=(220,1))

counter = 0
for i in range(0,len(audioData),882):
    new = (audioData[i: i + 882])
    STFT = librosa.stft(new,n_fft=882)
    print(type(STFT))
    audioDatainDB = librosa.amplitude_to_db(abs(STFT))
    
    print(type(audioDatainDB))
    librosa.display.specshow(audioDatainDB,sr=sampleRate,x_axis='time',y_axis='hz')
    #plt.figure(figsize=(20,10))
    plt.show()
    counter += 1
    print("Your local debug print statement ",counter)

至于值，我一直在玩弄它们，试图让它发挥作用。似乎没有任何运气;/

输出如下： https://i.stack.imgur.com/EVntx.png

这是 Audacity 显示的内容： https://i.stack.imgur.com/GIGy8.png

我知道它不是 20 毫秒，但你可以看到两者看起来一点也不相似