audio - 操作 MFCC 文件

Question

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 中提取一个时间跨度。当 MFCC 文件代表 90 分钟长度的音频时，我想获得例如 MFCC 音频的第三分钟。

HTK 书说 MFCC 文件由一个标题和一个连续的样本序列组成。但是以字节为单位确定样本的确切大小似乎并不容易。

是否有文件解析器？（当然有，在 HTK 中，但我没有设法弄清楚如何使用二进制文件来完成这项任务。）

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？

Answer 1

弄清楚了。HTK 有一个工具。HCopy 可以将 MFCC 转换为 MFCC，并接受 start 和 end 的参数。

HCopy -C config0 -s 10e7 -e 11e7 source.mfcc target.mfcc

从源头截断 00:10 .. 00:11。

config0 应该包含用于从 wav 创建原始 mfcc 的相同配置，除了 sourcekind 设置为 wav。