СледваСледващо ръководство
Мел спектрограми
Аудио AI
Аудио AI РЪКОВОДСТВО
Мел-честотни кепстрални коефициенти
Mel-Frequency Cepstral Coefficients (MFCC) са компактен набор от числа, които обобщават формата на честотния спектър на звука по начина, по който човешките уши го възприемат.
Чуйте това ръководствоAI-разказан · ~2 min
На тази страница2 минути четене
Преглед
For decades they were the workhorse feature for speech recognition, speaker identification, and music analysis.
Дълбоко гмуркане
MFCC преобразуват кратък фрагмент от аудио в приблизително 13 числа, които улавят неговия тембър. Тръбопроводът взема формата на вълната, разделя я на ~25ms рамки, изчислява спектър на мощност чрез трансформацията на Фурие, след което изкривява честотната ос върху мел скалата, която разпределя лентите по начина, по който го прави кохлеята: фино под 1kHz и грубо по-горе. Мел енергиите са логаритмично компресирани (имитирайки възприемането на силата на звука) и накрая преминават през дискретно косинусово преобразуване, което ги декорира и концентрира информацията в първите няколко коефициента. Резултатът е устойчив на шум и височина на високоговорителя, поради което класическите речеви системи за скрит модел на Марков и модел на смесване на Гаус разчитаха на MFCC почти навсякъде преди дълбокото обучение.
Внедряване в реалния свят
Акустични функции за класически разпознаватели на реч HMM-GMM като ранни системи Sphinx и HTK
Проверка на говорещия и дневник, разграничаване кой говори по време на разговор
Класификация на музикални жанрове и пръстови отпечатъци на песни (съвпадение на тембър в стил Shazam)
Откриване на неизправности на машината или викове на животни от аудио в промишлен и биоакустичен мониторинг
Бъдещето на мел-честотните кепстрални коефициенти
Дълбоките мрежи от край до край все повече научават функции направо от необработени вълнови форми или log-mel спектрограми, пропускайки DCT, така че чистите MFCC избледняват от най-съвременния ASR. И все пак те остават популярни за леки задачи на устройството и с малко данни: откриване на ключови думи, откриване на гласова активност, аудио пръстови отпечатъци и биоакустика. Очаквайте MFCC да се запазят като ефективна, интерпретируема базова линия, дори когато научените интерфейси доминират в големите модели.
Прилагайки го на практика
Защо има значение
- Достъп и обхват. Той подобрява достъпността чрез интерфейси за транскрипция, дикторски текст и глас.
- Разходи и бюджет. Медийните екипи могат да доставят изпипано аудио по-бързо с по-малки бюджети.
- Скорост и мащаб. Системите, насочени към клиента, могат да обработват устни взаимодействия в по-голям мащаб.
Внимавайте за
- Рисковете от злоупотреба с глас и имитация се увеличават, когато липсва съгласие.
- Точността може да спадне при акценти, диалекти или шумна среда.
- Синтетичното аудио може да бъде сбъркано с автентична реч без ясно етикетиране.
Следващи стъпки
- Получете изрично съгласие за улавяне на глас, клониране и повторно използване.
- Тествайте качеството при различни високоговорители и фонови условия.
- Определете кога човек трябва да прегледа или одобри резултатите.
- Етикетирайте синтетичното аудио и поддържайте записи за произход за отчетност.
Продължете да изследвате
Безплатен бюлетин
Получавайте дневния AI бюлетин
Три проверени AI истории всяка делнична сутрин, написани на достъпен език. Безплатно завинаги, без реклами.
Един имейл всеки делничен ден. Отписване с едно кликване. Никога не продаваме и не споделяме вашия имейл адрес.
Тествайте себе си
Take the Mel-Frequency Cepstral Coefficients quiz
Незабавна обратна връзка за всеки отговор и сертификат за споделяне с подлежащ на проверка идентификационен номер, след като преминете курс.
Подкрепете безплатното AI образование. AI Understanding е 501(c)(3) с нестопанска цел — без реклами, без платен достъп, никога. Направете дарение
Често задавани въпроси
What is Mel-Frequency Cepstral Coefficients?
Mel-Frequency Cepstral Coefficients (MFCC) са компактен набор от числа, които обобщават формата на честотния спектър на звука по начина, по който човешките уши го възприемат. В продължение на десетилетия те бяха основната функция за разпознаване на реч, идентификация на високоговорители и анализ на музика.
Какво означава „mel“ в MFCC?
Мел скалата изкривява честотата, така че еднаквите стъпки да звучат еднакво отдалечени за хората, фино разположени при ниските честоти и грубо при високите.
Коя трансформация се прилага последна за получаване на кепстралните коефициенти?
След като енергиите log-mel са изчислени, дискретно косинусово преобразуване ги декорелира и пакетира информация в първите няколко коефициента.
Защо MFCC са сравнително здрави спрямо височината на говорителя?
Ниските кепстрални коефициенти улавят обвивката на гласовия тракт (фонетично съдържание), докато високите улавят височината, така че запазването на ниските намалява акцента върху височината.
Приблизително колко MFCC коефициента обикновено се съхраняват на кадър?
Често срещан избор е около 13 коефициента, понякога увеличени с техните делти, които компактно обобщават тембъра.
Защо дневникът се прилага към енергиите на мел лентата?
Човешкото възприемане на силата на звука е приблизително логаритмично, така че компресията на логаритмите прави функциите да съответстват по-добре на възприятието и стабилизира динамичния диапазон.
Продължавай да учиш
Свързани ръководства
Още ръководства, избрани за тази тема