此库提供了 ASR 中常用的语音特征,包括 MFCC 和滤波器能量。
MFCC 教程 <http://www.practicalcryptography.com/miscellaneous/machine-learning/guide-mel-frequency-cepstral-coefficients-mfccs/>_
项目文档 <http://python-speech-features.readthedocs.org/en/latest/>_
如需引用,请使用: James Lyons 等人(2020 年 1 月 14 日)。 jameslyons/python_speech_features: 发布 v0.6.1(版本 0.6.1)。 Zenodo。 http://doi.org/10.5281/zenodo.3607820
安装项目在 pypi 上 <https://pypi.python.org/pypi/python_speech_features>_>
要从 pypi 安装:
pip 安装 python_speech_features
从此仓库:
git clone https://github.com/jameslyons/python_speech_features
Python setup.py develop
用法支持的功能:
示例使用 <example.py>_从这里，您可以将特征写入文件等。
=========== ============= 参数 描述 =============== signal 计算特征所用的音频信号。应为 N*1 矩阵 samplerate 所处理信号的采样率。 winlen 分析窗口的长度，单位为秒。默认值为 0.025 秒（25 毫秒） winstep 连续窗口之间的间隔，单位为秒。默认值为 0.01 秒（10 毫秒） numcep 要返回的 cepstrum 数量，默认为 13 nfilt 滤波器库中的滤波器数量，默认为 26。 nfft FFT 大小。默认为 512 lowfreq 滤波器的最低频带边界。单位为 Hz，默认为 0 highfreq 滤波器的最高频带边界。单位为 Hz，默认为 8000
暂无开放 Issues，或尚未同步最近议题。