AITerms 登入
語音辨識特徵工程資料處理

梅爾頻譜圖(Mel Spectrogram)是什麼?

梅爾頻譜圖是一種音訊訊號的視覺表示,它將音訊的頻率轉換到梅爾尺度上,更符合人類聽覺感知,常用於語音辨識和音訊分析。

完整定義

梅爾頻譜圖是一種音訊訊號的時頻表示,它通過將音訊的頻率轉換到梅爾尺度上,模擬人類聽覺系統對不同頻率的感知敏感度。相較於傳統頻譜圖,梅爾頻譜圖更能捕捉音訊中對人類聽覺重要的特徵,因此廣泛應用於語音辨識、音樂分析等領域。

白話說明

你有沒有想過,手機聽懂你說話,背後先把聲音變成什麼樣的圖?

你可以把梅爾頻譜圖想成,先把聲音切成時間和頻率的圖,再用更接近人耳聽感的尺度表示。

它重要在於,很多語音辨識和音訊分類模型,不是直接吃原始聲波,而是先吃這種圖。

記住這句

把聲音變成更像人耳感覺的圖,再交給模型。

比喻:梅爾頻譜圖就像把聲音變成一幅「視覺化的樂譜」-- 它特別調整了頻率的顯示方式,讓低音和高音的差異更符合人耳的感知,這樣機器就能更像人類一樣「聽懂」聲音的內容。

容易混淆

梅爾頻譜圖 vs 原始波形

梅爾頻譜圖:把聲音轉成可學習的二維表示。

原始波形:保留最原始的振幅隨時間變化。

最關鍵的區別:前者更適合模型學特徵,後者保留的是原始訊號。

梅爾頻譜圖 vs 一般頻譜圖

梅爾頻譜圖:頻率軸會依人耳感知重新壓縮。

一般頻譜圖:直接看線性頻率分布。

最關鍵的區別:梅爾尺度更貼近人類聽覺。

實際案例

語音辨識前處理

你講一句話後,系統先算出梅爾頻譜圖,再送進模型辨認每個音節和字詞。

環境音分類

模型聽到警報、引擎或鳥叫時,先把聲音轉成頻譜圖,辨識會比直接處理波形更穩。

演算法與應用

它通常會先做短時傅立葉轉換,再把線性頻率映射到梅爾尺度。

視窗長度、步長和梅爾濾波器數量,都會影響最後的圖長什麼樣。

在語音和音訊任務裡,它常被視為一種很重要的特徵工程。

情境判斷

Q1(情境題): 如果你要做語音辨識,直接丟波形就夠了嗎?

看模型設計。端到端模型可以直接吃波形,但很多傳統或輕量方法仍會先用梅爾頻譜圖。

Q2(情境題): 如果聲音很吵,梅爾頻譜圖還有用嗎?

有用,但不保證夠。還要搭配降噪、增強資料和更好的模型設計。

常見問題

相關術語

本頁內容有提到,或屬於同一組主題的術語

來源

這個術語目前沒有標註外部來源。

其他格式:Markdown 版本