ASR声学特征

声学特征类型

声学特征类型包括：Fbank (FilterBank) 特征、梅尔频率倒谱系数MFCCs (Mel-Frequency Cepstral Coefficeitns) 特征、PLP特征。目前更为常见的是使用Fbank和MFCCs特征，下表是两种特征的对比。

特征类型提取流程应用场景常见特征维度

Fbank	分帧->傅立叶变换FFT->梅尔滤波组	NN模型(NN-HMM/CTC/RNNT/LAS等)	40/80
MFCCs	Fbank->离散余弦变换DCT	GMM-HMM模型	13

MFCCs是在Fbank的基础上做了离散余弦变化DCT (Discrete Cosine Transform)，DCT的作用是去掉特征维间的相关性，由于NN模型能够对特征维间的相关性建模，所以在使用NN建模时，一般采用Fbank特征，使用传统GMM-HMM建模时常采用MFCCs特征。

Fbank特征提取

通过命令compute-fbank-feats提取Fbank特征，compute-mfcc-feats提取MFCCs特征，通过–config传入配置参数文件

compute-fbank-feats/compute-mfcc-feats --config featrue.conf

其中配置文件featrue.conf文件如下，dither默认值为1，作用是在计算滤波器系数能量时加入随机扰动，防止能量为0的情况出现，会导致同一条音频的输出特征前后不一致。如果需要保持一致，要在配置文件中设置–dither=0。

--use-energy=false --num-mel-bins=40 --num-ceps=40 --low-freq=20 --high-freq=-400 --dither=1

总结

以上是生活随笔为你收集整理的ASR声学特征的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。