梅尔频率倒谱系数

在音频信号机器学习中，一个常见的预处理步骤是应用梅尔频率倒谱系数 (MFCC) 转换。它们将信号压缩到非常少的系数（每10毫秒大约16个）并解相关，以仅表达传输函数（例如，仅表达语音的共振峰，而不是音高）。这使得它们在自动语音识别 (ASR)、房间分类、说话人识别等应用中非常流行。

用法

将此添加到你的Cargo.toml

[dependencies]
mfcc = "0.1"

此库可以使用两个不同的FFT库。可以使用带有标准功能 fftrust 的 rustfft（一个纯Rust FFT实现）或使用 fftw（一个流行的FFT库）。

[dependencies.mfcc]
version = "0.1"
default-features = false
features = ["fftextern"]

对FFTW的粗略基准测试显示，它们的性能相当。

test tests::bench_mfcc ... bench:     123,959 ns/iter (+/- 22,979)

对于rustfft

test tests::bench_mfcc ... bench:     162,603 ns/iter (+/- 35,914)

工作原理

首先，您需要将音频数据分割成大约10ms-20ms的块（最大1024个样本，48kHz）。然后，您可以计算MFCC系数。

use mfcc::Transform;

let mut state = Transform::new(48000, 1024);
let mut output = vec![0.0; 16*3];

state.transform(&input, &mut output);

许可

根据您的选择，在以下许可下使用：

• Apache License，版本2.0，(LICENSE-APACHE 或 https://apache.ac.cn/licenses/LICENSE-2.0)
• MIT许可 (LICENSE-MIT 或 http://opensource.org/licenses/MIT)

。

贡献

除非您明确说明，否则根据Apache-2.0许可定义的任何有意提交给工作并由您包含的贡献，均应按上述方式双许可，不附加任何额外条款或条件。