如果将频谱图计算为来自重叠窗口的短时傅里叶变换的幅度，则频谱图隐含地包含一些相位信息。

以下迭代完成了这项工作：

$S$是频谱图，是正向短时傅里叶变换，是反短时傅里叶变换。$\text{stft}$$\text{isft}$

我有点难以理解@edouard 的答案，这是在做正确的事。与我用来实现重建的https://dsp.stackexchange.com/a/3410/9031相比。

注意$i$是虚数，并且$x_n$是在$n^{\text{th}}$迭代。从...开始$x_0$是音频信号长度的随机向量。对我来说，几次迭代就足以得到一个听起来不错的结果。尽管如此，原始信号的绝对误差还是相当高的。此外，我从重建信号中生成的频谱图虽然总体上显示相同的结构，但幅度却大不相同。

您可以使用重建的频谱图与原始频谱图来设计一个滤波器，其幅度响应将一个频谱图转换为另一个频谱图。然后，您可以将此过滤器应用于原始时域数据，或应用于原始 FFT 以进行重叠添加/保存快速卷积过滤。

如果您不担心计算复杂性，请使用 Griffin-Lim 算法从频谱图中反转音频信号。