librosa能量_音频特征（1）：mfcc提取

除了调用FFmpeg来做多媒体开发，另一方面，是对音频特征进行研究。有很多具体的音频特征，比如频率、振幅、节拍(bpm)、过零率、短时能量、MFCC等，在很多时候，提取这些特征是进一步分析音频的基础。

如果你想对音频进行一个分类，比如分出快慢歌、分出爵士跟hiphop、分出钢琴与吉他、分出男高音与鸟叫声，等等，这时，基本上，你离不开音频特征的提取。在众多的音频特征中，频率与MFCC，是经常用到的两个特征。

本文主要介绍MFCC的概念，以及如何提取MFCC。

这里先回顾一下频率的概念，然后再介绍MFCC的提取。

(1)频率

频率，就是1秒内振动的次数。

音频的频率，反映了音调的高低，比如400HZ，相当于小蜜蜂嗡嗡的声音频率。

现在流行的机器学习，普遍以图片作为输入样本，所以把频率图像化是一个有效的办法。频率图像化，最自然的做法，就是绘制成频谱图，比如小程在另一篇文章介绍用python的pyplot来绘制，这个样子：

单通道的语谱图

但上面这个只是时域的频谱图，更常用的是频域的频谱图(或叫幅频图)，这里不展开。

一般来说，用于机器学习时，并不能把整个语谱图作为输入，还需要进行合理的切片，甚至是清洗处理，然后再作为输入，但这个不是这里的内容。

(2)MFCC

MFCC，Mel-FrequencyCepstralCoefficient