音频特征 - 音频特征技术,学习,经验文章

YEGE学AI算法

3 小时前

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。