Presná definícia
Čo znamená melový spektrogram?
Melový spektrogram vzniká prepočtom spektrálnej energie do pásiem rozložených približne podľa melovej psychoakustickej stupnice, často s logaritmovaním. Zvýrazňuje rozlíšenie nižších frekvencií a zmenšuje počet pásiem. Nie je presne invertibilný a závisí od definície mel škály aj filtrov.
Skúsenosť a kontext
Ako sa pojem používa v praxi
TTS pipeline predikuje log-mel spektrogram ako medzireprezentáciu pre vokodér. Tréning a inferencia používajú totožné FFT, hop, rozsah a normalizáciu; parametre sú súčasťou modelovej verzie. Kontrola porovnáva aj rekonštruovaný zvuk, nie iba obraz matice.
Overiteľnosť
Odborné zdroje
Praktické odpovede
Často kladené otázky
Ako funguje melový spektrogram?
Výkonové spektrum rámca sa násobí trojuholníkovou mel bankou, sčíta v pásmach a zvyčajne logaritmuje.
Kedy má melový spektrogram praktický význam?
TTS pipeline predikuje log-mel spektrogram ako medzireprezentáciu pre vokodér.
S čím si pojem nezamieňať?
Bežný spectrogram má lineárne frekvenčné biny; mel spectrogram ich agreguje do perceptuálne nerovnomerných pásiem.
Ako sa výsledok kontroluje?
Overujú sa rozmery, frekvenčný rozsah, dynamika, kompatibilita s vokodérom, rekonštrukcia a výkon následnej úlohy.
Na čo si dať pozor?
Iné parametre mel banky spôsobia distribučný posun a strata fázy či jemných harmonických obmedzí presnú obnovu zvuku.