Presná definícia
Čo znamená mel-frekvenčný kepstrálny koeficient?
Mel-frekvenčné kepstrálne koeficienty (MFCC) sú krátkodobé príznaky reči získané z logaritmických energií melovo rozložených filtrov a diskrétnej kosínusovej transformácie. Komprimujú spektrálnu obálku súvisiacu s hlasovým traktom a potláčajú jemnú harmonickú štruktúru. Nie sú samotným spektrogramom.
Skúsenosť a kontext
Ako sa pojem používa v praxi
Klasifikátor hovoriaceho počíta MFCC v pevných oknách s rovnakou vzorkovacou frekvenciou a preemfázou. Pipeline verzuje počet filtrov, koeficientov aj normalizáciu. Eval overí, či výkon nevychádza zo šumu mikrofónu a porovná aj log-mel vstup.
Overiteľnosť
Odborné zdroje
Praktické odpovede
Často kladené otázky
Ako funguje mel-frekvenčný kepstrálny koeficient?
Rámec sa okienkuje, Fourierovo transformuje, energie sa sčítajú v mel banke, logaritmujú a DCT ich prevedie na kepstrálne koeficienty.
Kedy má mel-frekvenčný kepstrálny koeficient praktický význam?
Klasifikátor hovoriaceho počíta MFCC v pevných oknách s rovnakou vzorkovacou frekvenciou a preemfázou.
S čím si pojem nezamieňať?
Mel spectrogram zachováva časovo-frekvenčnú mriežku; MFCC ju ďalej dekorrelujú a komprimujú do menšieho počtu koeficientov.
Ako sa výsledok kontroluje?
Kontroluje sa reprodukovateľnosť parametrov, výkon následnej úlohy, citlivosť kanála, stabilita energie a numerické rozsahy.
Na čo si dať pozor?
Odlišná implementácia okna či mel škály vytvorí nekompatibilné príznaky a koeficienty strácajú informáciu o presnej výške tónu.