梅尔频率倒谱系数（MFCCs）是语音和音频处理中常用的特征。它们提供了信号功率谱的紧凑表示，捕捉了语音识别、说话人识别和情感分析等任务的关键特征。

计算 MFCCs 的步骤：

1. 预加重： 将高通滤波器应用于信号，以增强高频并提高清晰度。
2. 分帧： 将信号分成短帧（例如，20-40 毫秒），以假设每个帧内的平稳特性。
3. 加窗： 将每个帧乘以窗口函数（例如，汉明窗）以减少频谱泄漏。
4. 快速傅里叶变换（FFT）： 将时域信号转换为频域信号。
5. 梅尔滤波器组处理： 将频谱转换为梅尔尺度，该尺度模拟人类的听觉感知。
6. 对数和离散余弦变换（DCT）： 应用对数缩放，然后进行 DCT 以去相关特征并提取倒谱系数。
7. 选择系数： 通常，前 12-13 个系数（不包括代表总能量的第一个系数）用作特征。

MFCCs 的应用：

• 语音识别（例如，Google Assistant、Siri）
• 说话人识别
• 情感识别
• 音乐分类
• 环境声音分类

Python 示例

在 Python 中计算 MFCCs

https://gist.github.com/viadean/17f05f66656b4b57fe82cea3ddb871c3

代码解释：

1. 加载音频： 使用 Librosa 加载示例语音文件。