黄圣杰

bjfuhsj.top

关于 WORLD 中 code_spectral_envelope 和 MFCC 关系的理解

发表于 更新于 分类于 阅读次数：
本文字数： 665 阅读时长 ≈ 1 分钟

参考：

  1. https://github.com/mmorise/World/issues/90 （有人提问 WORLD 提取得到的 mel spectrum 梅尔谱和传统概念上 经过一系列stft之后还要经过“三角滤波器组”的过程区别？）
  2. https://github.com/mmorise/World/issues/33 （r9y9 在mmorise/World 下提问关于 编码/解码后音色变化问题；代码bug已解决；学习一下画图和使用特点）

总结：

  1. image-20200723190240435

  2. 简言之，传统论文 Mel-cepstral analysis 提到的方法，也就是正常思路的经过 FFT 后再经过三角滤波器组 得到的 mel 谱，之所以需要三角滤波，可以理解为是，因为MFCC是在 频谱图 上进行的操作，所以是未经过 平滑 操作的，所以需要滤波器；

  3. 而WORLD，是在频谱包络上进行的操作，本身已经是顺滑过的，所以得到的 sp 特征，看似流程上没有三角滤波，但是它在使用的时候，效果和SPTK、librosa、merlin之类工具得到的 MFCC 来处理的音频效果是差不多的。

  4. 所以，就可以理解，很多论文的实现上，作者们在遇到：MFCC 这个特征需要时，若非论文着重强调，是可以用 code_spectral_envelope ，并取维度参数为 36 等，来表示36维度（bin）的MFCC特征的。

以上，解决了一直没人能帮我说清楚的问题疑惑。

还是要多看看源码和 issue，和大佬们交流才进步的多。

这行里，可能大佬很多，但是能真正带领小白入门的系统专家真的少。sigh。我可能适合做老师，喜欢把大家难懂的东西，娓娓道来，教会孩子们。😁