MFCC特征提取--基于kaldi裁剪

最新推荐文章于 2023-02-28 17:11:57 发布
最新推荐文章于 2023-02-28 17:11:57 发布
阅读量1k 收藏 2
点赞数 2
分类专栏： 语音识别 C/C++ 文章标签： mfcc kaldi 语音识别
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/cj1989111/article/details/102954071
版权

0. 前言

关于MFCC相关原理，这里就不过多叙述了，网上的参考资料也比较多，自己对MFCC原理理解也不是很深刻（方向不一样），主要介绍本人对kaldi mfcc特征提取代码裁剪后的接口，此处开源的MFCC不含pitch特征提取。

详细代码

1. Github代码结构介绍

在介绍之前，提及一点，若要运行，请先阅读README.md编译外部库。

特征提取的代码在src/feat目录下，测试代码在src/main/feat-test.cc
MFCC最后提交commit 1d1d3fef56b3325352f29e1e08c78516a5ba12f5，切换到commit后，可以知道调用了哪些数学运算，其中openblas调用了两个接口：**cblas_sdot **、cblas_sgemv
文件源程序结构：
在这里插入图片描述
如果想要编译测试代码src/main/feat-test.cc，请修改src/build/Makefile

以上代码文件中，计算特征的接口在compute-feat.h中，其他mel-banks和srfft相关操作可以不用管。

关于mfcc参数设置，代码中采用的宏定义的方式，具体的配置在feat-params.h中，

最低0.47元/天 解锁文章
遇逆境处之泰然
关注
专栏目录
Kaldi解码加速策略概述
遇逆境、泰然处之
10-08 4667
0. 前言 本文介绍几种优化解码器加速方法，基于kaldi chain模型解码器（online2-wav-nnet3-latgen-faster），训练的模型用于唤醒词场景，主要优化内容包含：特征提取、TDNN神经网络计算、FST优化、lattice获取1-best等。 除了以上方法，kaldi解码器、openfst、openblas等在编译时添加 -O3 优化选项 和 硬浮点运算（需硬件支持）的...
提取MFCC代码
05-10
这是一个用C++开发的提取语音信号MFCC特征参数的源代码，包括预处理，预加重，加窗分帧，提取MFCC，用于语音识别
[Kaldi] MFCC特征提取源码详解
zhangming0411的博客
11-05 814
先占坑 明天写
利用语音识别工具kaldi提取mfcc特征
untilyouydc
06-29 785
1. 先在机器上安装kaldi。安装过程可以根据github上的步骤来 2. 利用kaldi提取特征需要提前准备3个文件 （1）wav.scp 文件 文件内容为：001_001_utterance kws_data/wav/test/001/001_001_utterance.wav 即每行包括两个部分，中间用空格隔开，第一部分是文件名（即你要提特征的音频文件），第二部分是音频文件的路径 （2）spk2utt 内容示例：001_001_u...
MFCC特征提取(C语言版本)
WELEN的专栏
05-28 1万+
音频分析中，MFCC参数是经典参数之一。之前对于它的计算流程和原理，大体上是比较清楚的，所以仿真的时候，都是直接调用matlab的voicebox工具或者开发的时候直接调用第三方库。最近想整理一个纯C语言版本的MFCC函数，发现第三方开源的一部分是C++的，有些纯C的开源代码是针对语音固定了某些参数，不太灵活。干脆自己动手写一下，发现matlab写习惯了，都弱化了写C的思维，磕磕碰碰弄了2天，初版
kaldi生成自己数据的mfcc
Allyli0022的专栏
12-27 3156
两个月前为了走通整个流程，只是在yesno中生成了部分样本的mfcc，针对大批量数据的训练需求远不能满足，因此必须走出这种有风险的方法。 今天介绍一种没有任何遗漏的方法，整体流程如下： 1、修改wav文件为真正的wav文件： #!/bin/bash indexForSave = wav for file in /home/kaldi/examples/* do if [ -d "$
语音识别系列2--基于WFST解码器
u012361418的博客
05-17 3283
一、总述 解码器是ASR重要的组件之一，在传统的基于GMM-HMM/DNN-HMM混合系统中，解码器架起语言模型、声学模型、发音词典等知识源的桥梁，得到最终的识别结果，如图1所示。 随着深度学习技术的盛行，一系列ASR端到端系统、ASR-NLP端到端系统甚至ASR-NLP-TTS端到端系统被相继提出，解码器的作用在被一步步弱化，但是笔者认为，抛弃解码器，实现完全的端到端系统还有相当长的...
深度学习-语音识别实战(Python)视频课程
05-16
3. 基于卷积神经网络（CNN）的声学模型：CNN擅长提取局部特征，适用于语音信号的频谱分析。 4. 深度双向循环神经网络（DBRNN）：结合前向和后向RNN的优点，能够同时考虑过去的和未来的上下文信息。 5. 声学建模与...
论文笔记：语音情感识别（三）手工特征+CRNN
q6q6q的专栏
10-27 762
一：Emotion Recognition from Human Speech Using Temporal Information and Deep Learning（2018 InterSpeech）（1）分帧加窗，每一帧采用的特征向量为eGeMAPS特征集中的20个特征，每个utterance使用裁剪和padding的做法使得定长512帧，所以输入为20x512的矩阵。每个样本归一化到0均值...
MFCC特征提取C++源程序
01-17
编译通过，MFCC的C++实现 MFCC的特征选取，最后提取了13维左右最后结果保存在文件中 编译通过，MFCC的C++实现 MFCC的特征选取，最后提取了13维左右最后结果保存在文件中
使用kaldi进行语音自动切分、模型训练和强制对齐
mx_windforce的专栏
06-17 1万+
这里，主要介绍一下网上的教程，经过一步步实验，对某些可能让人容易误解的地方进行注释。 1. 只有原始录音和音素标注，进行初次以及多轮的单音素、三音素模型训练，并且基于这些模型进行语音切分： http://pages.jh.edu/~echodro1/tutorial/kaldi/kaldi-training.html 手工实验下来，只有两个地方略微不同。 1. 网上谈到要在lexico
MFCC声纹特征提取
qq_55041016的博客
05-16 4739
没错，就是你，发现了声音识别的机密！
Kaldi特征提取之-MFCC
当凌绝顶,俯瞰天下
09-21 5193
Kaldi特征提取之-MFCC背景提取MFCC特征资料参考
Kaldi 提取40维MFCC
weixin_43587572的博客
04-28 270
# config for high-resolution MFCC features, intended for neural network training. # Note: we keep all cepstra, so it has the same info as filterbank features, # but MFCC is more easily compressible (because less correlated) which is why # we prefer this me
利用kaldi提取mfcc特征
热门推荐
长虹剑的专栏
03-12 1万+
前言 1）由于kaldi的集成性很高，这样如果只是想实现一个小功能，就需要很多准备东西，比如如果要提取mfcc就需要利用   steps/make_mfcc.sh脚本，需要为其准备一些文件。 2）以下实例都是建立在timit集上（也只是利用了它的数据），及timit实例程序，如果研究过此，就会很容易明白我解释不清的地方。 3）目前提取的mfcc还有问题，看一下结果吧，但是我找不出错误（如果正
解读kaldi中mfcc源函数
weixin_38468077的博客
03-01 931
测试1.11 1.11
MFCC语音特征值提取算法
最新发布
qq_59931372的博客
02-28 7439
MFCC意为梅尔频率倒谱系数，顾名思义，MFCC语音特征提取包含两个关键步骤；将语音信号转化为梅尔频率，然后进行倒谱分析。梅尔频谱是一个可用来代表短期音频的频谱，梅尔刻度（Mel Scale）则是一种基于人耳对等距的音高变化的感官判断而确定的非线性频率刻度。梅尔频率和正常的频率f之间的关系：当梅尔刻度均匀分布，则对应的频率之间的距离会越来越大。梅尔刻度的滤波器组在低频部分的分辨率高，跟人耳的听觉特性比较相符，这也是梅尔刻度的物理意义。
kaldi提取mfcc特征出错Waveform and config sample Frequency mismatch: 16000 .vs 8000
qq_45206672的博客
03-11 3170
kaldi提取mfcc特征出错，查看log日志文件发现是wav音频频率不匹配： Waveform and config sample Frequency mismatch: 16000 .vs 8000 (use --allow-downsample=true to allow downsampling the waveform). 这是因为输入的wav的采样频率是16000，而kaldi的标准采样频率是8000，解决方法有两种： 1.根据提示找到step/make_mfcc.sh中调用的compute
MFCC特征提取：MATLAB与Python实现解析
"本文主要介绍了MFCC（梅尔倒谱系数）在语音识别和话者识别中的应用，以及如何在MATLAB和Python中实现MFCC特征参数的提取。MFCC是一种利用人耳听觉特性的语音特征参数，适用于各种语音处理任务。文章详细解释了MFCC...
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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