超级会员免费看
本文介绍了语音信号处理的基本概念，包括采样率（采样频率）、帧长、帧移和hop_size。讨论了它们在音频处理中的作用，如在确定音频长度和上采样倍数中的应用。采样率决定了数字波形与原始模拟波形的相似度，而帧长、帧移和hop_size则影响音频数据的分割和处理。举例说明了不同采样率下上采样倍数的计算方法，并提到了nb_samples与音频帧的关系。
需要明白一点，mel帧数 * 帧移 = 音频长度（采样点个数，可换算为音频时长，具体怎么做不用说了吧）
因此，对于22050采样率， hopsize大小设置为256， 那么对应的mel-spectrogram需要上采样 256倍
如果是16000采样率呢？ 使用帧长是50ms,帧移 12.5ms 那么hop_size就是200（16000*12.5/1000=200）啦，所以上采样倍数就是200倍啦.
一、采样率（采样频率）：每秒内进行采样的次数
每秒内进行采样的次数。符号是 fS，单位是 Hz。采样率越高，数字波形的形状就越接近原始模拟波形，声音的还原就越真实。
根据奈奎斯特·香农采样定理（Nyquist–Shannon sampling theorem），只有采样频率高于原始模拟信号中最高频率两倍，才能完美还原原信号。 常用的采样率如下图所示
订阅专栏 解锁全文
扫一扫
392
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
