3种python库中的MFCC和delta系数

Question

我最近在做关于 MFCC 的作业，我无法弄清楚使用这些库之间的一些区别。

我使用的 3 个库是：

python_speech_features

语音Py

LibROSA

samplerate = 16000
NFFT = 512
NCEPT = 13

第 1 部分：梅尔滤波器组

temp1_fb = pyspeech.get_filterbanks(nfilt=NFILT, nfft=NFFT, samplerate=sample1)
# speechpy do not divide 2 and add 1 when initializing
temp2_fb = speechpy.feature.filterbanks(num_filter=NFILT, fftpoints=NFFT, sampling_freq=sample1)
temp3_fb = librosa.filters.mel(sr=sample1, n_fft=NFFT, n_mels=NFILT)
# fix librosa normalized version
temp3_fb /= np.max(temp3_fb, axis=-1)[:, None]

图片1

只有speechpy中的形状会得到(, 512)，其他的都是(, 257)。librosa的形象有点变形。

第二部分：MFCC

# pyspeech without lifter. Using hamming
temp1_mfcc = pyspeech.mfcc(speaker1, samplerate=sample1, winlen=0.025, winstep=0.01, numcep=NCEPT, nfilt=NFILT, nfft=NFFT,
                           preemph=0.97, ceplifter=0, winfunc=np.hamming, appendEnergy=False)
# speechpy need pre-emphasized. Using rectangular window fixed. Mel filter bank is not the same
temp2_mfcc = speechpy.feature.mfcc(emphasized_speaker1, sampling_frequency=sample1, frame_length=0.025, frame_stride=0.01,
                                   num_cepstral=NCEPT, num_filters=NFILT, fft_length=NFFT)
# librosa need pre-emphasized. Using log energy. Its STFT using hanning, but its framing is not the same
temp3_energy = librosa.feature.melspectrogram(emphasized_speaker1, sr=sample1, S=temp3_pow.T, n_fft=NFFT,
                                          hop_length=frame_step, n_mels=NFILT).T
temp3_energy = np.log(temp3_energy)
temp3_mfcc = librosa.feature.mfcc(emphasized_speaker1, sr=sample1, S=temp3_energy.T, n_mfcc=13, dct_type=2, n_fft=NFFT,
                                  hop_length=frame_step).T

图片2

我已尽力设置条件公平。说话的形象变得更暗了。

第三部分：Delta系数

temp1 = pyspeech.delta(mfcc_speaker1, 2)
temp2 = speechpy.processing.derivative_extraction(mfcc_speaker1.T, 1).T
# librosa along the frame axis
temp3 = librosa.feature.delta(mfcc_speaker1, width=5, axis=0, order=1)

图3

我在speechpy中不能直接设置mfcc作为参数，不然会很奇怪。而这些参数最初的作用与我的预期不一样。

我想知道造成这些差异的因素是什么。这只是我上面提到的东西吗？还是我犯了一些错误？希望详细点，谢谢。

Answer 1

MFCC 实现有很多种，而且它们通常略有不同 - 窗口函数形状、mel 滤波器组计算、dct 也可能不同。很难找到完全兼容的库。从长远来看，只要您在任何地方都使用相同的实现，这对您来说就不重要。差异不会影响结果。