Mel mfcc的组件有哪些

Question

查看这行代码的输出：

mfccs = librosa.feature.mfcc(y=librosa_audio, sr=librosa_sample_rate, n_mfcc=40)
print("MFCC Shape = ", mfccs.shape)

我收到MFCC Shape = (40,1876) 的回复。这两个数字代表什么？我查看了librosa website，但仍然无法破译这两个值。

我们将不胜感激任何见解！

Answer 1

第一个维度 (40) 是 MFCC 系数 的数量，第二个维度 (1876) 是时间框架的数量。 MFCC 的数量由n_mfcc 指定，时间帧的数量由音频长度（以样本为单位）除以hop_length 给出。

要了解 MFCC 本身的含义，您应该了解计算它们所需的步骤：

• 频谱图，使用Short-Time-Fourier-Transform (STFT)
• 梅尔谱图，从将Mel scale filterbanks 应用到 STFT
• 梅尔频率倒谱系数，来自在梅尔谱图上应用DCT transform。

一个好的书面解释是Haytham Fayek: Speech Processing for Machine Learning: Filter banks, Mel-Frequency Cepstral Coefficients (MFCCs) and What's In-Between 一个好的视频解释器是The Sound of AI: Mel-Frequency Cepstral Coefficients Explained Easily。