执行命令提取mfcc后返回的是什么？

Posted 2021-03-19

我一直在学习声音分析，我在其中遇到了术语mfcc.所以当我执行命令提取mfcc后，返回的是什么？librosa.feature.mfcc(y=X, sr=sample_rate, n_mfcc=40) 我得到的numpy数组形状为40乘216.所以我得到的是我已经提取了40个特征在216个帧.但这里到底是什么意思帧，它是类似于采样率和我们在加载音频文件时定义它。

答案

什么不是马上就能看出来的呢？《多边基金公约》文件 是，它叫 librosa.feature.melspectrogram. 内部。而且 melspectrogram 有参数 win_lengthn_fft 和 hop_length，它们定义了一个 框. 你也可以将这些参数传递给 mfcc.

那么什么是帧呢？基本上，它是处理一堆原始样本的结果。假设窗口长度为2048个样本（这是默认值），跳长为512（也是默认值），每一个由 mfcc 对应于2048个原始样本，是512个样本 "进一步的音频 "比它的前身。换句话说，帧之间有明显的重叠。

举个例子，要为你的音频创建mfcc，定义一帧为1024个样本，跳长为512，你可以调用。

librosa.feature.mfcc(y=X, sr=sample_rate, n_mfcc=40, hop_length=512, n_fft=1024)

同样的，如果你没有明确的传递这些参数，那么默认的是： 谱图 被使用。