librosa能量_librosa中mfcc函数的一点小问题

(图摄于阿姆斯特丹梵高博物馆)

在重读《解析深度学习：语音识别实践》中，发现有段文字跟我预想的并不太一样：

在我的印象中，mfcc的维度应该和梅尔滤波器组数是一样的：stft->mel

这个图(FBank与MFCC - sun___shy的博客 - 优快云博客)就能够说清楚，然后再过log(||)和DCT就是MFCC了。

def mfcc(y=None, sr=22050, S=None, n_mfcc=20, dct_type=2, norm='ortho', **kwargs):

if S is None:

S = power_to_db(melspectrogram(y=y, sr=sr, **kwargs))

return scipy.fftpack.dct(S, axis=0, type=dct_type, norm=norm)[:n_mfcc]

和它调用的子函数

def melspectrogram(y=None, sr=22050, S=None, n_fft=2048, hop_length=512,

power=2.0, **kwargs):

S, n_fft = _spectrogram(y=y, S=S, n_fft=n_fft, hop_length=hop_length,

power=power)

# Build a Mel filter

mel_basis = filters.mel(sr, n_fft, **kwargs)

return np.dot(mel_basis, S)

可以发现，在一般的处理中，如上图的，在stft->mel这一步中，就完成了降维，但是libroas在最后才完成降维，在log(||)和DCT中有很大一部分计算资源是