原始信号从音频文件中读取出来的原始语音信号通常称为rawwaveform，是一个一维数组，长度是由音频长度和采样率决定，比如采样率Fs为16KHz，表示一秒钟内采样16000个点，这个时候如果音频长度是10秒，那么rawwaveform中就有160000个值，值的大小通常表示的是振幅。一、幅度谱（spectrogram）/STFT声音信号是一维信号，直观上只能看到时域信息，不能看到频域信息。通过傅

在语音分析，合成，转换中，第一步往往是提取语音特征参数。利用机器学习方法进行上述语音任务，常用到梅尔频谱。本文介绍从音频文件提取梅尔频谱，和从梅尔频谱变成音频波形。从音频波形提取Mel频谱：对音频信号预加重、分帧和加窗对每帧信号进行短时傅立叶变换STFT，得到短时幅度谱短时幅度谱通过Mel滤波器组得到Mel频谱从Mel频谱重建音频波形Mel频谱转换成幅度谱griffin_lim声码器算法重建波形去

1核心概念1.1语音信号语音信号是一个非平稳的时变信号，但语音信号是由声门的激励脉冲通过声道形成的，经过声道(人的三腔，咽口鼻)的调制，最后由口唇辐射而出。认为“短时间”(帧长/窗长：10~30ms)内语音信号是平稳时不变的。由此构成了语音信号的“短时分析技术”。帧移一般为帧长一半或1/4。语音特征提取：声音信号本是一维的时域信号，直观上很难看出频率变化规律。傅里叶变换可把它变到频域上，虽然可看出

在语音分析，合成，转换中，第一步往往是提取语音特征参数。利用机器学习方法进行上述语音任务，常用到梅尔频谱。本文介绍从音频文件提取梅尔频谱，和从梅尔频谱变成音频波形。从音频波形提取Mel频谱：对音频信号预加重、分帧和加窗对每帧信号进行短时傅立叶变换STFT，得到短时幅度谱短时幅度谱通过Mel滤波器组得到Mel频谱从Mel频谱重建音频波形Mel频谱转换成幅度谱griffin_lim声码器算法重建波形去

需要明白一点，mel帧数*帧移=音频长度（采样点个数，可换算为音频时长，具体怎么做不用说了吧）因此，对于22050采样率，hopsize大小设置为256，那么对应的mel-spectrogram需要上采样

该方案，对比基于Mel-Spectrogram的Fastspeech基

本文内容借鉴于:SpeechProcessingforMachineLearning:Filterbanks,Mel-FrequencyCepstralCoefficients(MFCCs)andWhat’sIn-Between|HaythamFayek1.什么是梅尔语谱图和梅尔倒频系数？机器学习的第一步都是要提取出相应的特征(feature)，如果输入数据是图片，例如28*28的图片，那么只需要

智东西12月12日消息，微软和浙江大学研究人员近日在NeurIPS2019会议上介绍了文本语音转换模型FastSpeech，该模型可以大幅提升文本语音转换过程中梅尔频谱（mel-spectrogram）