时间戳

首页 > 解决方案 > 使用 librosa 和 Python 提取声音文件特征

python - 使用 librosa 和 Python 提取声音文件特征

问题描述

我想通过机器学习（分类和聚类）并通过相关性、相似性计算来处理声音（语音）文件。出于所有这些目的，我需要像往常一样应用某种特征提取。我选择了 librosa 图书馆的 MFCC：

import librosa

y, sr = librosa.core.load(filename)
m = librosa.feature.mfcc(y=y, sr=sr)

现在，m作为提取功能，我面临着多个问题：

  1. 与我的预期相反，MFCC 会返回二维数组，而不是上述分析方法通常需要的一维数组。我应该坚持这种方法，并尝试以某种方式将 2D 转换为 1D（展平阵列或平均行），还是存在更好的替代方案？

  2. MFCC 阵列的第 2 维具有自然不同的长音，因此会有所不同。我该怎么处理这个？截断/填充第二维以具有相同的数组？

标签： pythonmachine-learningvoicespeechlibrosa

解决方案

推荐阅读