技术栈
fbank
YEGE学AI算法
21 天前
python
·
语音识别
·
fbank
·
log-mel
·
音频特征
Python实现Log-Mel Fbank：分帧、加窗、FFT与Mel滤波器组
语音算法工程师学习路线 · 音频基础 02本文从 16 kHz 单声道 PCM WAV 出发，使用 NumPy 实现预加重、分帧、Hamming 加窗、RFFT、功率谱、Mel 滤波器组和对数压缩，得到 80 维 Log-Mel Fbank，并说明训练端与部署端的逐层对齐方法。代码用于解释链路，不声称与 Kaldi、WeKWS 或其他前端的默认配置一致，也没有运行真实语音模型或目标设备。
YEGE学AI算法
21 天前
python
·
音视频
·
语音唤醒
·
kws
·
fbank
KWS语音唤醒系统完整链路：音频前处理、Fbank、阈值与冷却逻辑
语音算法工程师学习路线 · 语音唤醒 01本文梳理端侧关键词唤醒（KWS）系统从持续 PCM 音频输入到业务触发的完整链路：音频格式、Fbank、模型输出、解码、阈值与冷却。并给出仅依赖 Python 标准库的后处理示例，用模拟分数说明 EMA 平滑、连续输出确认和冷却如何改变触发行为。示例不是训练好的关键词分类器，也不是 WeKWS 上游检测器的复刻。
我是有底线的