我有 HTK 从 .wav 文件生成的 MFCC(梅尔频率倒谱系数)文件。我需要的是从 MFCC 中提取时间跨度。当 MFCC 文件表示 90 分钟长度的音频时,我想得到例如MFCC 为音频的第三分钟。
HTK 书中说 MFCC 文件由 header 和连续的样本序列组成。但确定样本的确切大小(以字节为单位)似乎并不简单。
是否有文件解析器? (HTK 中当然有,但我没能弄清楚如何使用二进制文件来完成此任务。)
或者是否有一种简单的方法来确定样本和标题的大小,以便能够简单地将文件分开?
最佳答案
想通了。 HTK 有一个工具可以实现这一点。 HCopy 可以将 MFCC 转换为 MFCC,并接受开始和结束参数。
HCopy -C config0 -s 10e7 -e 11e7 source.mfcc target.mfcc
从源代码中删除 00:10 .. 00:11。
config0 应包含用于从 wav 创建原始 mfcc 的相同配置,但将 sourcekind 设置为 wav 除外。
关于audio - 操作 MFCC 文件,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/10103977/