使用Librosa生成的頻譜圖與Kaldi看起來不一致？

Question

我使用Kaldi的「egs/tidigits」代碼，使用23個採樣率，20kHz採樣率，25ms窗口和10ms偏移量生成「七個」話語的頻譜圖。頻譜似乎是通過MATLAB於imagesc功能如下顯現：

我用Librosa作爲替代Kaldi試驗。我使用與上面相同的bin數，採樣率和窗口長度/移位來設置我的代碼。

time_series, sample_rate = librosa.core.load("7a.wav",sr=20000) 
spectrogram = librosa.feature.melspectrogram(time_series, sr=20000, n_mels=23, n_fft=500, hop_length=200) 
log_S = librosa.core.logamplitude(spectrogram) 
np.savetxt("7a.txt", log_S.T) 

然而，當我想象的一樣WAV的產生Librosa譜圖文件看起來不同：

是否有人可以幫助我瞭解爲什麼這些看起來如此不同？在我嘗試過的其他WAV文件中，我注意到，使用上面的Librosa腳本，我的摩擦音（如上例中的/ s /在「seven」中）被截斷，這極大地影響了我的數字分類準確性。謝謝！

Answer 1

Kaldi在dct輸出中默認應用提升器，這就是爲什麼上層係數被衰減的原因。看詳情here。