【技术实现步骤摘要】
本公开涉及计算机，特别是涉及一种音频特征提取方法、装置、设备及存储介质。
技术介绍
1、在语音分类和语音识别领域，目前主流的方案皆采用深度神经网络模型，但是在将数据送入模型之前，往往要做一个数据预处理过程，即对原始的音频信号提取梅尔频谱(melspectrogram)特征或者梅尔倒谱(mfcc)特征。
2、以梅尔频谱特征为例，常用的工具一般有librosa、kaldi和torchaudio库，torchaudio库中的melspectrogram不仅支持批量执行数据，还可以在gpu上运行提升效率，因此torchaudio是较优的选择。
3、但无论采取哪种工具，都不支持流式特征提取。
4、以torchaudio库为例，阐述当前方案在流式特征提取过程中的缺陷。当有一段5秒长的音频，通过torchaudio.transforms.melspectrogram函数调用，可以得到对应的特征f1；但是如果将这5秒音频拆成5段1秒钟的音频，依次通过相同的函数调用，分别得到5个特征，然后拼接成一个总特征f2；可以发现...
【技术保护点】
1.一种音频特征提取方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，还包括：
3.根据权利要求2所述的方法，其特征在于，
4.根据权利要求3所述的方法，其特征在于，
5.根据权利要求1所述的方法，其特征在于，还包括：
6.根据权利要求5所述的方法，其特征在于，还包括：
7.根据权利要求6所述的方法，其特征在于，还包括：
8.一种音频特征提取装置，其特征在于，包括：
9.一种计算设备，包括：
10.一种非暂时性机器可读存储介质，其上存储有可执行...
【技术特征摘要】
1.一种音频特征提取方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，还包括：
3.根据权利要求2所述的方法，其特征在于，
4.根据权利要求3所述的方法，其特征在于，
5.根据权利要求1所述的方法，其特征在于，还包括：
6.根据权利要求5所述的方法，其特征在于...
【专利技术属性】
技术研发人员：张奕豪，王靖淞，涂威威，
申请(专利权)人：第四范式北京技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。