nan9909的博客

由于好奇音频提取特征再重构音频过程中各部分数据的‘样子’，故而对开源代码提取其对音频的处理过程以及重构过程，经测试发现其仅保留了文本内容的发声特征而遗失了说话者的特征（即能够了解音频的内容而无法分辨说话者）。通过更换对音频的处理方式以及修改FFT窗口大小等参数进行消融实验发现如下参数及处理过程对音频的提取及还原效果最好。import numpy,waveimport numpy as npimport torchimport librosaimport librosa.displayimpor

最大公约数：辗转相除法： 两个正整数a,b(a>b), 它们的最大公约数 = a除以b的余数c和较小数b之间的最大公约数。更相减损术： 两个正整数a,b(a>b), 它们的最大公约数 = a-b的差值c和较小数b之间的最大公约数。int GCD(int a, int b) //辗转相除法{ int min = a; int max = b; if ( a >= b ){ min = b; m