【问题标题】：Preparing MFCC audio feature- Should all WAV files be at same length?准备 MFCC 音频功能 - 所有 WAV 文件的长度都应该相同吗？
【发布时间】：2020-06-13 21:03:05
【问题描述】：
我想为机器学习模型准备一个音频数据集。
每个 .wav 文件都应该表示为一个 MFCC 图像。
虽然所有图像都将具有相同的 MFCC 数量 (= 20)，但 .wav 的长度
文件在 3-5 秒之间。
我应该将所有 .wav 文件都设置为相同的长度吗？
我应该在绘图之前对 MFCC 值（0 到 1 之间）进行归一化吗？
在将此类数据传递给机器学习模型之前，是否有任何重要的步骤来处理这些数据？
进一步阅读链接也将不胜感激。
【问题讨论】：
标签：
machine-learning
feature-extraction
librosa
mfcc
【解决方案1】：
大多数分类器都需要固定大小的输入，是的。您可以在计算完 MFCC 后，通过剪切或填充来做到这一点。本身无需操纵 WAV/波形。
另一种方法是将音频文件拆分为多个分析窗口，例如每个 1 秒。一个 3 秒的文件可以用 3 个预测（或者更多，如果使用重叠）来完成，而一个 5 秒的文件需要 5 个预测（或更多）。然后为了获得剪辑范围的预测，可以合并剪辑中所有窗口的预测。以这种方式进行训练的简单方法需要假设为剪辑指定的标签对每个单独的分析窗口都有效。