聲學(xué)特征類型

聲學(xué)特征類型包括：Fbank (FilterBank) 特征、梅爾頻率倒譜系數(shù)MFCCs (Mel-Frequency Cepstral Coefficeitns) 特征、PLP特征。目前更為常見的是使用Fbank和MFCCs特征，下表是兩種特征的對比。

特征類型提取流程應(yīng)用場景常見特征維度

Fbank	分幀->傅立葉變換FFT->梅爾濾波組	NN模型(NN-HMM/CTC/RNNT/LAS等)	40/80
MFCCs	Fbank->離散余弦變換DCT	GMM-HMM模型	13

MFCCs是在Fbank的基礎(chǔ)上做了離散余弦變化DCT (Discrete Cosine Transform)，DCT的作用是去掉特征維間的相關(guān)性，由于NN模型能夠?qū)μ卣骶S間的相關(guān)性建模，所以在使用NN建模時，一般采用Fbank特征，使用傳統(tǒng)GMM-HMM建模時常采用MFCCs特征。

Fbank特征提取

通過命令compute-fbank-feats提取Fbank特征，compute-mfcc-feats提取MFCCs特征，通過–config傳入配置參數(shù)文件

compute-fbank-feats/compute-mfcc-feats --config featrue.conf

其中配置文件featrue.conf文件如下，dither默認值為1，作用是在計算濾波器系數(shù)能量時加入隨機擾動，防止能量為0的情況出現(xiàn)，會導(dǎo)致同一條音頻的輸出特征前后不一致。如果需要保持一致，要在配置文件中設(shè)置–dither=0。

--use-energy=false --num-mel-bins=40 --num-ceps=40 --low-freq=20 --high-freq=-400 --dither=1

總結(jié)

以上是生活随笔為你收集整理的ASR声学特征的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。