如何在提取MFCC特征后计算音频文件的时间线
在提取MFCC特征后计算音频文件的时间线，可以按照以下步骤进行：
- 提取MFCC特征：MFCC（Mel Frequency Cepstral Coefficients）是一种常用的音频特征提取方法，用于表示音频信号的频谱特征。可以使用开源库如Librosa或Python语音信号处理库（Python Speech Features）来提取MFCC特征。提取MFCC特征的过程包括预加重、分帧、加窗、傅里叶变换、梅尔滤波器组和离散余弦变换等步骤。
- 计算音频文件的时间线：计算音频文件的时间线是指将音频文件中的每个帧与其对应的时间戳进行关联，以便后续的音频处理和分析。时间线可以通过以下步骤计算：
- a. 获取音频文件的采样率（Sample Rate）和帧率（Frame Rate）：采样率表示每秒钟采集的样本数，帧率表示每秒钟处理的帧数。可以使用音频处理库如Librosa或Python语音信号处理库来获取音频文件的采样率和帧率。
- b. 计算每帧的时间间隔：根据帧率，可以计算出每帧的时间间隔，即每帧的持续时间。
- c. 计算每帧的时间戳：根据每帧的时间间隔和帧的索引，可以计算出每帧的时间戳。时间戳可以表示为相对时间（相对于音频文件开始的时间）或绝对时间（相对于某个参考时间点的时间）。
- d. 构建时间线：将每帧的时间戳与对应的帧数据关联起来，构建音频文件的时间线。时间线可以表示为一个包含时间戳和帧数据的数据结构，如列表或字典。
- 相关应用场景：计算音频文件的时间线在音频处理和分析中具有重要作用。它可以用于音频信号处理、语音识别、语音合成、音频分割、音频检索等领域。通过时间线，可以实现对音频文件的精确定位和时间相关的操作。
- 推荐的腾讯云相关产品和产品介绍链接地址：腾讯云提供了一系列与音频处理相关的产品和服务，包括音频处理、语音识别、语音合成等。以下是一些推荐的腾讯云产品和产品介绍链接地址：
- 腾讯云音频处理：https://cloud.tencent.com/product/ame
- 腾讯云语音识别：https://cloud.tencent.com/product/asr
- 腾讯云语音合成：https://cloud.tencent.com/product/tts
请注意，以上答案仅供参考，具体的实现方法和推荐产品可能因实际需求和环境而异。
相关·内容
1回答
如何使用python_speech_features计算音频文件在提取MFCC特征后的时间线 这个想法是为了得到MFCC样本的时间线 import librosa
import python_speech_features
audio_file = r'sample.wav'
samples,sample_rate = librosa.core.load(audio_file,sr=16000, mono= True)
timeline = np.arange(0,len(samples))/sample_rate # prints timeline of sample
浏览 21提问于2020-06-21得票数 0
回答已采纳
1回答
我有一个1.25gb的.acc音频文件大小。
我的问题是当我试图使用librosa.feature.mfcc获得特性时
配置
SampleRate = 22050
Hop = 512
n_mfcc features = 40
要跑几个小时
使用大量的内存
我想知道是否有更快/更轻的方法来提取mfcc特性
诚挚的问候
浏览 0提问于2018-11-03得票数 0
1回答
对MFCC处理感到困惑
、、、、
因此，我使用python中的Librosa库，通过MFCC提取了一个音频文件特征。代码如下所示： signal, sample_rate = librosa.load('../audio_train/down/00176480_nohash_0.wav', sr=22050)
mfcc = librosa.feature.mfcc(signal, sr=sample_rate, n_mfcc=13)
np.mean(mfcc.T, axis=0) 我的问题是，为什么我们必须转置并获得MFCC的平均值？
浏览 30提问于2021-08-21得票数 0
回答已采纳
1回答
如何合并MFCC
、、、、
我正在努力从一些音频文件中提取MFCC功能。我的程序目前已经为每个文件提取了一系列MFCC，并且有一个缓冲区大小为1024的参数。我在一份报纸上看到了以下内容：
通过计算每个特征向量元素(合并)的均值和方差，组合在音频数据每秒内提取的特征向量。
我的当前代码使用TarsosDSP提取MFCC，但我不确定如何将数据拆分为“秒的音频数据”，以便合并MFCC。
我的MFCC提取代码
int sampleRate = 44100;
int bufferSize = 1024;
int bufferOverlap = 512;
inStream = new FileInputStream(pat
浏览 5提问于2017-07-20得票数 1
回答已采纳
4回答
我只是信号处理方面的初学者。这是我到目前为止从音频文件(.WAV)中提取MFCC特征的代码：
from python_speech_features import mfcc
import scipy.io.wavfile as wav
(rate,sig) = wav.read("AudioFile.wav")
mfcc_feat = mfcc(sig,rate)
print(mfcc_feat)
我只想绘制mfcc的功能图，以了解它的外观。
浏览 1提问于2017-04-20得票数 13
我正在使用Librosa的函数(librosa.feature.mfcc)从音频文件中提取MFCC，并且我正确地获得了一个具有我所期望的形状的numpy数组:13个MFCC值用于音频文件的整个长度，即1292个窗口(30秒内)。
缺少的是每个窗口的时间信息:例如，我想知道MFCC在时间上是什么样子，5000 is，然后5200 is等等。我需要手动计算时间吗？有办法自动获得每个窗口的确切时间吗？
浏览 8提问于2020-12-11得票数 3
回答已采纳
1回答
我已经构建了一个简单的CNN单词检测器，当使用1秒的.wav作为输入时，它能够准确地预测给定的单词。按照标准，我使用音频文件的MFCC作为CNN的输入。 然而，我的目标是能够将其应用于具有多个单词的较长音频文件，并使模型能够预测是否以及何时说出给定的单词。我一直在网上搜索最好的方法，但似乎碰壁了，如果答案可以很容易地通过谷歌找到，我真的很抱歉。 我的第一个想法是将音频文件切成几个1秒长的窗口，这些窗口彼此相交- ? 然后将每个窗口转换为MFCC，并将其用作模型预测的输入。 我的第二个想法是在尝试隔离每个单词时使用声母检测，如果单词<1秒，则添加填充，然后将这些作为模型预测的输入
浏览 28提问于2019-04-27得票数 1
回答已采纳
1回答
我想在MFCC的帮助下训练GMM。
我有588个音频文件(wav，如果很重要的话)。在提取特征之后，我得到了一组588个二维数组(13x?)。每个文件都有不同的列数。
以及如何将MFCC提交给输入算法？
浏览 1提问于2018-05-27得票数 0
4回答
匹配两系列Mfcc系数
、、、、
我从两个包含相同语音内容的大约30秒的音频文件中提取了两个序列MFCC系数。音频文件被记录在来自不同来源的相同位置。应该估计音频是包含相同的对话还是包含不同的对话。目前，我已经对两个Mfcc序列进行了相关计算，但结果不是很合理。对于这种情况，有没有最佳实践？
浏览 2提问于2011-08-04得票数 3
1回答
MFCC特征提取
、、
我想提取音频文件的mfcc特征在8000赫兹采样与帧大小为20毫秒和10毫秒重叠。librosa.feature.mfcc()函数的参数必须是什么。下面编写的代码是否指定20 the块与10 the重叠？
import librosa as l
x, sr = l.load('/home/user/Data/Audio/Tracks/Dev/FS_P01_dev_001.wav', sr = 8000)
mfccs = l.feature.mfcc(x, sr=sr, n_mfcc = 24, hop_length = 160)
音频文件是1800秒。这是否意味着我会得到24
浏览 2提问于2019-07-06得票数 2
回答已采纳
1回答
我用comirva包做了一个情感识别程序。
我有很多关于情绪的wav文件，比如愤怒，快乐..
为了制作gmm，首先，我从一个愤怒的文件中提取了mfcc特征。
我困惑的是如何将mffccs改为pointlist。
哪一个是正确的？i)将从一个文件中提取的mfcc更改为一个pointList ii)将从多个文件中提取的mfcc链接到一个点列表
浏览 1提问于2012-08-31得票数 1
回答已采纳
1回答
我是机器学习的新手，我正在构建一个简单的应用程序来识别语音数字。
我使用来提取我的音频文件的过滤特征。MFCC输出一个13 x length_of_audio矩阵。我想将此信息用于我的特征向量。但很明显，每个示例都有不同数量的特征。
我的问题是，有哪些方法可以处理不同数量的特性。例如，我可以使用PCA始终提取一些固定数量的特征，然后在特定的学习算法中使用它们吗？
我想使用逻辑回归作为学习算法。
这是我在分析其中一个语音数字时得到的。
浏览 0提问于2016-11-03得票数 0
1回答
我想得到一些反馈，为什么在许多研究论文中，研究人员通过卷积神经网络(CNN)传递MFCC？从本质上讲，CNN本身就是一个特征提取过程。
任何提示和建议，为什么这一过程是常用的。
谢谢!
浏览 5提问于2021-08-27得票数 0
回答已采纳
我正在尝试为音频文件获取单向量特征表示，以用于机器学习任务(具体地说，使用神经网络进行分类)。我在计算机视觉和自然语言处理方面有经验，但我需要一些帮助来加快音频文件的速度。
音频文件有各种各样的特征描述符，但MFCC似乎是用于音频分类任务最多的。我的问题是:如何获取音频文件的MFCC表示，它通常是一个矩阵(假设是系数矩阵)，并将其转换为单个特征向量？我目前正在使用来做这件事。
我有一堆音频文件，但它们的形状各不相同：
for filename in os.listdir('data'):
y, sr = librosa.load('data/' + fi
浏览 4提问于2014-09-23得票数 13
我目前正在使用tensorflow，但似乎无法控制它是否对我的问题有用吗？
我需要创建一个神经网络，它能够将输入映射到输出。
事情进展的方式，我没有一个例子，在这已经做了，所有类型的问题tensorflow似乎解决的是分类任务，而不是这样的映射问题.tensorflow是否能够做到这一点?我是否必须使用不同的神经网络框架才能做到这一点?如果有可用的话，是否有人可以显示一些代码(不是MNIST示例)？
我的任务是：
我目前正在尝试做一个神经网络，它接收音频文件的样本，并从样本中生成MFCC特征。MFCC特性可以手动计算，我已经这样做了，所以我知道我想要的输出是什么。MFCC特征是一个特征向量，是
浏览 0提问于2016-10-13得票数 4
回答已采纳
2回答
今天，我用下面的代码在python中使用librosa中的MFCC。它给出一个维数为(40，40)的数组。
import librosa
sound_clip, s = librosa.load(filename.wav)
mfcc=librosa.feature.mfcc(sound_clip, n_mfcc=40, n_mels=60)
有没有类似的方法从其他库中提取GFCC？我在librosa找不到它。
例如essentia：
import essentia
import essentia.standard
essentia.standard.GFCC
#Get array w
浏览 0提问于2019-05-11得票数 3
2回答
我正在为音频流项目设计推荐系统的基于内容的过滤部分。
首先采用k均值算法，结合音乐体裁和单热编码，将音乐分为不同的类别。但是，为了获得更精确的结果，我想要改变它，并使用音频功能来提供模型。
所以我的问题是：
我的方法正确吗。
什么是最相关的音频功能，我可以从音频文件中提取。
为了你的答案。
编辑：
现在，我正在提取这些特征：
音乐节奏
过零率
持续时间
光谱质心
光谱滚转
MFCC
光谱带宽
光谱对比
我想知道这些音频特征在多大程度上与“描述”音频摘录有关。
浏览 0提问于2019-04-24得票数 2
许多研究都将MFCC以及MFCC三角洲和双三角直接提供给CNN进行音频分类。我的问题是，MFCC Deltas是否与MFCC矩阵连在一起？大多数文件只是简单地说明他们使用MFCC + MFCC Delta + MFCC Double Delta和加号是留给解释！
浏览 0提问于2021-07-22得票数 2
回答已采纳
1回答
给定22 mins (1320 secs)的音频文件，Librosa通过data = librosa.feature.mfcc(y=None, sr=22050, S=None, n_mfcc=20, **kwargs)提取MFCC特性。
data.shape ( 20 , 56829 )它返回56829帧20个MFCC特征的numpy数组。
我的问题是它是如何计算56829的。是否有任何计算来实现这一框架？每个框架的窗口大小是多少？
浏览 16提问于2016-07-01得票数 2
回答已采纳
1回答
了解mfcc的输出
、、、、
from librosa.feature import mfcc
from librosa.core import load
def extract_mfcc(sound):
data, frame = load(sound)
return mfcc(data, frame)
mfcc = extract_mfcc("sound.wav")
我想得到以下sound.wav文件的MFCC，它是48秒长的。
我知道data * frame = length of audio.
但是，当我像上面所示计算MFCC并得到它的形状时，结果是：(20, 2086)
这些
浏览 2提问于2018-09-08得票数 10
回答已采纳
我正在致力于将30秒的音乐样本分类为四种类型之一：“电子”、“街舞”、“爵士”、“摇滚”，如果能得到任何帮助，我将不胜感激。
我已经从mp3文件生成了我自己的数据集。在我的“数据集”目录中，我按流派排列了100首歌曲，每种流派放入25个子目录(即我有“电子”、“街舞”等子目录)。
到目前为止，我已经提取了每个mp3文件的30秒样本，对信号进行归一化，使样本不超过-32或-18 dB，将它们混合为单声道，并将它们转换为wav (使用pyDub)。
接下来，我使用librosa为每首歌曲中的1292帧提取mfcc (mel频率倒谱系数)。然后，我使用sklearn的预处理模块对数据进行了缩放，使其
浏览 0提问于2016-12-17得票数 0
1回答
具有灵活输入数的神经网络？
、、、、
如果输入可以处于不同的长度向量中，是否有可能创建一个提供一致输出的神经网络？
我目前的情况是，我已经采样了很多不同长度的音频文件，并且必须训练一个神经网络，在给定输入的情况下为我提供所需的输出。我正在尝试创建一个回归网络，它可以生成MFCC特性，给定音频文件的样本，这些音频文件的长度不同，输入的编号也不同。
浏览 0提问于2016-10-20得票数 9
回答已采纳
1回答
如何在python中为从音频文件中提取的每个MFCC系数生成直方图图。如图所示，从实现中可以导出每个Matlab系数的直方图：
我怎样才能在python中实现同样的情节呢？我使用librosa作为MFCC的特征提取。下面是我的MFCC特性提取代码：
import librosa
import librosa.display
import numpy as np
import wavio
# Parameters
rate = 44100 # samples per second
T = 1 # sample duration (seconds)
f = 44
浏览 9提问于2022-08-16得票数 0
回答已采纳
1回答
我正在尝试从音频文件中提取一些特征，MFCC是准确的。然后我找到了一个C库LibXtract，它可以帮我完成这项工作。
我正在尝试在iOS项目中使用LibXtract，我遵循了以下教程
但我在处理过程中遇到了一些问题，首先我得到了这样的警告
ld:警告:忽略文件......./libLibXtract.a，文件中缺少所需的体系结构i386 .../libLibXtract.a
以及这些错误
架构i386："_xtract_asdf“的未定义符号，引用自：-VoiceRecAppDelegate applicationWillResignActive: in VoiceRecAppDe
浏览 1提问于2013-11-24得票数 1
2回答
我的目标是创建程序的八度，加载音频文件(wav，flac)，计算其mfcc功能，并作为输出服务。问题是，我没有多少八度的经验，无法获得八度加载音频文件，这就是为什么我不确定提取算法是否正确。有简单的方法来加载文件并获得其特性吗？
浏览 7提问于2015-05-31得票数 4
回答已采纳
1回答
我已经提取了mel频率倒谱系数(MFCC)特征(在Matlab中)用于一些语音分类。我目前正在考虑添加MFCC系数特征的一阶和二阶导数。我们如何从MFCC得到一阶和二阶导数？
提前感谢
浏览 8提问于2019-11-30得票数 0
我试图用以下代码从有13个MFCC的音频文件中提取MFCC特性：
import librosa as l
x, sr = l.load('/home/user/Data/Audio/Tracks/Dev/FS_P01_dev_001.wav', sr = 8000)
n_fft = int(sr * 0.02)
hop_length = n_fft // 2
mfccs = l.feature.mfcc(x, sr=sr, n_mfcc=13, hop_length=hop_length, n_fft=n_fft)
但这表明了这一警告。这意味着什么，我该如何摆脱它
浏览 1提问于2019-07-08得票数 3
回答已采纳
1回答
我有兴趣使用logistic回归将歌剧演唱(n=100音频文件)与非歌剧演唱(n=300音频文件)进行分类(仅举一个例子)。我有多个特点，我可以使用(即MFCC，音调，信号能量)。我想使用PCA降低维数，这将减少‘最不重要的变量’。我的问题是，我是否应该对我的整个数据集(但歌剧和非歌剧)进行PCA？因为如果我这么做了，这会不会降低opera和非opera的“最不重要的变量”，而不是放弃对于确定opera最不重要的变量呢？
浏览 0提问于2018-10-04得票数 0
回答已采纳
1回答
增量MFCC计算
、、
我目前正在试验各种特征向量，以便最大化我的语音识别分类。我读到使用增量MFCC和增量-增量MFCC可以改善分类结果。
我的交叉验证测试没有delta的结果是98%，但当使用delta的时候减少了3%。MFCC的delta计算可以通过简单的差分操作来完成吗？在下面分享我的代码：
deltas = []
for x in xrange(n):
delt = np.subtract(mfcc_feat[index+1],mfcc_feat[index])
deltas.append(delt)
return np.array(deltas)
mfcc_delta = getDelt
浏览 9提问于2016-08-12得票数 0
1回答
当我从音频中提取MFCC时，输出是(13, 22)。这个数字代表什么？这是时间范围吗？我用利布罗萨。
使用的代码是：
mfccs = librosa.feature.mfcc(y=X, sr=sample_rate, n_mfcc=13, hop_length=256)
mfccs
print(mfccs.shape)
输出的是(13,22)。
浏览 1提问于2020-07-04得票数 2
回答已采纳
我目前在语音识别的讨论阶段项目中，我使用MFCC特征提取，但从函数返回的MFCC特征是一个矩阵，例如，每个语音文件(Wav)的(20,38)特征矩阵。但是我如何将这个特征传递给SVM分类器呢？对于SVM (和其他分类器)，每个样本都由一个向量表示，对吗？但每个样本的MFCC特征是一个矩阵。假设Xi是样本i的MFCC特征，那么传递给SVM的样本i的特征是: 1) 20*38个向量，例如matlab形式的Xi(:)。2)均值(Xi)。3) Xi中的一列或一行。哪条路是对的？有什么有用的代码吗？
谢谢!闪耀
浏览 1提问于2013-03-01得票数 4
回答已采纳
3回答
使用MFCC进行语音识别
、、、、
我目前正在使用傅里叶变换结合Keras进行语音识别(说话人识别)。我听说MFCC是语音识别的更好的选择，但我不确定如何使用它。
我在python (3)中使用librosa来提取20个MFCC特征。我的问题是:我应该使用哪些MFCC功能来识别说话人？
除此之外，我不确定如何实现这些功能。我要做的是获得必要的特征，并为神经网络做一个长向量输入。然而，也可以显示颜色，所以图像识别也是可能的，还是更多地针对语音，而不是说话人识别？
简而言之，我不确定我应该从哪里开始，因为我在图像识别方面经验不是很丰富，也不知道从哪里开始。
提前感谢！！
浏览 4提问于2018-12-04得票数 0
1回答
我一直在学习声音分析，我在其中遇到了术语mfcc。因此，当我执行librosa.feature.mfcc(y=X, sr=sample_rate, n_mfcc=40)时，我得到了40×216号形状的numpy数组。所以我从216帧中提取了40个特征。但是在这里，框架的确切含义是什么，它是否类似于采样率，以及我们在加载音频文件时定义它的位置。
浏览 29提问于2020-04-20得票数 1
回答已采纳
2回答
我正在做一个个人项目，它需要我在C#中做一些信号处理和特征提取，更具体地说，提取，有没有在C#中计算MFCC的可用代码？
此外，如果有任何为其他语言(Objective-C，C，C++，甚至Java)写得很好的东西，我想我能够得到这个想法，并用C#重写它。
浏览 3提问于2010-10-19得票数 5
2回答
目前我正在做MATLAB的语音识别项目。我取了两个语音信号，并提取了它们的MFCC系数。据我所知，我现在应该计算两者之间的欧几里得距离，然后应用DTW算法。这就是为什么我计算了两者之间的距离，并得到了一个距离数组。所以我的问题是如何在结果数组上实现DTW？
下面是我的MATLAB代码：
全部清除；全部关闭；clc；
% Define variables
Tw = 25; % analysis frame duration (ms)
Ts = 10; % analysis frame shift (ms)
alpha = 0.97;
浏览 2提问于2016-09-29得票数 1
1回答
我正在尝试用librosa创建一个MFCC图，但是这个图看起来不是很详细。目标是将此MFCC频谱图呈现给神经网络。我正在测试的音频文件大约有1秒长，来自Google Speech Commands数据集。我的代码是：
WINDOW_SIZE = 20
NFFT=int((WINDOW_SIZE/1000)*16000)
samples, _ = librosa.load(f, sr=16000)
mfccs = librosa.feature.mfcc(y=samples[:16000], sr=16000, n_fft=NFFT, n_mfcc=40)
plt.figure(figs
浏览 6提问于2019-11-27得票数 1
1回答
我想知道，如何提取音频(x.wav)信号，用MFCC进行特征提取？我知道使用MFCC提取音频特征的步骤。我想知道使用Django框架在Python中进行的详细编码
浏览 66提问于2019-01-12得票数 2
回答已采纳
2回答
MFCC特征向量与DTW的比较
、、、、
我正在寻找一些关于动态时间弯曲(DTW)的建议。
我有一个Python脚本，并从不同长度的.WAV文件中提取Mel频率倒谱系数(MFCC)特征向量。特征向量是长度可变的数组，包含12个MFCC的数组。
例如，一个.WAV文件可以由包含10组12个特征向量的数组来表示，而另一个.WAV文件可以由一个包含20组12个特征向量的数组来表示。
我打算使用DTW来比较这两个数组的数组，但我不确定如何比较。我理解DTW的概念，如果数组中包含的特征向量是单个数字，那么实现它是没有问题的，我的困惑是因为它们是数组。
Tl;dr:如何使用DTW比较两个数组的数组？
编辑:我已经阅读了的问题，但没有用。
非常感谢
浏览 37提问于2018-01-16得票数 5
回答已采纳
如何使用MFCC算法提取音频特征，并将其与卷积神经网络一起使用来训练模型？ 我已经使用MFCC提取了音频的特征，并且文件包含浮点列，但我无法区分这些列？ for filename in os.listdir(directoryName):
if filename.endswith('.wav'): # only get MFCCs from .wavs
(rate,sig) = wav.read(directoryName + "/" +filename)
mfcc_feat = mfcc(sig,rate)
浏览 146提问于2019-09-24得票数 0
1回答
我想从android上的音频文件中提取MFCC。我到处都找过了，但我找不到任何可以工作的代码。有没有人可以分享同样的工作代码呢？
浏览 5提问于2016-08-30得票数 1
使用Librosa库，我将MFCC功能的1319秒的音频文件生成了一个矩阵20 X 56829。这里的20表示MFCC功能的编号(我可以手动调整)。但我不知道它是如何将音频长度分割成56829的。处理音频所需的帧大小是多少？
import numpy as np
import matplotlib.pyplot as plt
import librosa
def getPathToGroundtruth(episode):
"""Return path to groundtruth file for episode"""
pat
浏览 3提问于2016-06-22得票数 9
回答已采纳
我正在使用Librosa构建用于语音识别的CNN。我已经为每个音频文件提取了MFCC，并对音频数据进行了预处理。音频数据的维度为(93894,8000)，MFCC的维度为(93894，26，16)。由于它们在尺寸上的差异，我不能将它们放入相同的模型中。我可以创建单独的模型，一些1D接收音频数据和一些2D接收MFCC，看看哪一个性能最好。但我希望把它们都放到同一个模型中。有没有办法做到这一点？扁平化MFCC有意义吗？
浏览 40提问于2020-08-25得票数 0
回答已采纳
1回答
我目前正在尝试根据音频文件对情感(7类)进行分类。我做的第一件事是使用python_speech_features库()中的mfcc函数提取这些特性。
在文档中，它说每一行包含一个特征向量。问题是，由于音频长度不同，每个音频文件返回不同数量的行(特性)。例如，对于audio_1，输出的形状是(155,13)，对于audio_2，输出的形状是(258,13)。关于如何使它们形状相同，有什么建议吗？我目前正在使用PCA来强制数据具有相同的维度，这是一个正确的方法吗？
我就是这样提取特征的：
sample_rate, data = wavfile.read(path)
mfccExtract = f
浏览 4提问于2020-11-15得票数 0
1回答
我已经成功地提取了MFCC系数，并得到了以下值
-15.2366
6.4996
-2.1807
0.2495
-1.3403
0.9815
-0.1106
1.7914
0.7311
1.1881
1.3340
2.6080
1.4208
2.0144
0.5085
-1.1236
-1.2728
-0.9470
-0.8139
0.8987
1.6006
1.6000
0.4638
0.3747
0.0670
浏览 3提问于2014-03-18得票数 0
1回答
我正在尝试使用构建一个语音识别系统(不是语音，而是扬声器)。我已经提取了训练音频文件和测试音频文件的mfcc特性，并为每个音频文件建立了一个gmm模型。我不知道如何比较模型，以计算一个相似的分数，根据这个分数，我可以编程系统来验证测试音频。我挣扎了4天才完成这件事。如果有人能帮忙就好了。
浏览 1提问于2018-04-22得票数 0
我想用96个MFCC特性来训练我的模型。我使用了Librosa，但没有得到一个有希望的结果。然后我尝试使用python_speech_features，但是我只能获得26个特性！为什么!这是同一个音频文件的形状。
使用Librosa
x = librosa.feature.mfcc(audio, rate, n_mfcc=96)
x.shape # (96, 204)
使用python_speech_features
mfcc_feature = pySpeech.mfcc(audio, rate, 0.025, 0.01, 96, nfft=1200, appendEnergy = Tru
浏览 1提问于2020-04-12得票数 3
回答已采纳
我有个问题。我正在使用comirva包进行语音识别。我从一个音频文件中提取了MFCC系数。在这次手术之后，我不知道如何继续下去。我学到了comirva.audio.util.kmeans.KMeansClustering类必须在MFCC之后使用。然后必须使用comirva.audio.util.gmm.GaussianComponent类。但我不知道如何初始化KMeansClustering类，然后初始化GaussianComponent类，然后必须做什么。请你有任何想法，帮帮我。
浏览 0提问于2011-04-24得票数 1
回答已采纳
我有一些长的音频文件，我想使用python.Ex:The音频将这个音频文件分割成多个短长度的音频文件，长的长度超过1小时，并想分割成多个短长度的5s文件。我想在每个5s中提取整个音频文件的特征。
浏览 2提问于2020-08-29得票数 0
1回答
我刚接触语音和说话人识别问题，我理解了mfcc的工作方式，但就我所理解的(并发现)不同的单词之间的系数不同。我的问题是:有没有其他与文本无关的特征提取方法？如果是这样的话，请再向他们说明。任何提示都会很有帮助。提前谢谢。
浏览 3提问于2015-12-17得票数 0
1回答
有人能告诉我是否可以使用tensorflow进行说话人识别吗？我正在使用librosa从音频文件中提取MFCC数据，并通过该数据识别说话人。关于如何实现这一点有什么建议或链接吗？
浏览 0提问于2016-12-04得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
