mfcc算法语音识别特征提取Python代码

MFCC（Mel Frequency Cepstral Coefficients）是一种常用的音频信号处理技术，用于语音识别中的特征提取。它将连续的声谱转换为离散、低维的特征向量，有助于捕捉声音的模式和变化。以下是使用Python（通过librosa库）提取MFCC特征的基本步骤：

import librosa
import numpy as np

# 读取音频文件
def extract_mfcc(file_path):
    # 设置参数
    sr = 44100  # 采样率
    n_mfcc = 13  # MFCC系数的数量
    n_fft = 2048  # 分帧窗口大小
    hop_length = int(sr * 0.01)  # 滑动步长（10ms）

    # 加载并预处理音频
    audio, _ = librosa.load(file_path, sr=sr)
    mfcc = librosa.feature.mfcc(y=audio, sr=sr, n_mfcc=n_mfcc, n_fft=n_fft, hop_length=hop_length)

    # 将二维数组归一化到0-1范围
    mfcc_normalized = np.abs(mfcc) / np.max(np.abs(mfcc), axis=1, keepdims=True)

    return mfcc_normalized

file_path = "your_audio_file.wav"  # 替换为你需要分析的音频文件路径
mfcc_features = extract_mfcc(file_path)

在这个例子中，`extract_mfcc()`函数首先加载音频文件，然后计算MFCC特征，并对结果进行归一化处理。你可以使用这些特征作为机器学习模型的输入。