[总结] Vggish对音频特征的提取

VGGish提取特征过程

输入数据为wav音频文件,音频文件的特征提取过程如下:

1. 将音频重采样为16kHz单声道音频;

2. 使用25 ms的Hann时窗,10 ms的帧移对音频进行短时傅里叶变换得到频谱图;

3. 通过将频谱图映射到64阶mel滤波器组中 计算mel声谱

4. 计算 log(mel-spectrum + 0.01),得到稳定的 mel 声谱,所加的 0.01 的偏置是为了避免对 0 取对数;

5. 然后这些特征被以 0.96s的时长被组帧,并且没有帧的重叠,每一帧都包含 64 个mel 频带,时长 10ms(即总共 96 帧)。

VGGish模型输出数据格式为[nums_frames, 128],其中nums_frames为帧长,nums_frames=音频时长/0.96。

  • 2
    点赞
  • 16
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

心心喵

喵喵(*^▽^*)

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值