mel谱图与MFCC的区别

Question

我正在使用librosa库将音乐片段转换为mel频谱图，以用作我的神经网络的输入，如文档here所示。

这与MFCCs有什么不同呢？使用这两种方法有什么优点或缺点吗？

Answer 1

要获得MFCC，请在mel频谱图上计算DCT。以前，mel谱图通常是对数缩放的。

MFCC是一种非常可压缩的表示，通常仅使用20或13个系数，而不是Mel频谱图中的32-64个频带。MFCC稍微去相关一些，这对于高斯混合模型这样的线性模型是有益的。由于有大量的数据和强大的分类器，如卷积神经网络，mel谱图通常可以表现得更好。

Answer 2

我想，jonnor的答案并不完全正确。有两个步骤：

在日志上使用Mel spectrogram.

• Compute

1. 的日志。

此外，记录日志似乎是训练NN的“主要部分”：https://qr.ae/TWtPLD

Answer 3

一个关键的区别是，mel频谱图具有频谱的语义，而MFCC在某种意义上是“频谱的频谱”。因此，真正的问题是:将离散余弦变换应用于mel谱图的目的是什么，mel谱图具有良好的答案here和there。

注意，同时，librosa还有一个mfcc函数。看看its implementation基本上就可以确认它是

1. 调用melspectrogram，
2. 将其输出转换为对数(通过power_to_db)，
3. 获取频率的DCT值，就像它们是信号一样，
4. 在第一个n_mfcc DCT值之后截断新的“频谱”