Я пытаюсь проанализировать звук песни, используя библиотеку python, вывод представляет собой массив numpy, массив очень большой по размеру, поскольку MFCC рассчитывается для каждого кадра звука. Когда я записываю этот вывод в файл, каждая песня имеет вывод около 3-4 МБ. Есть ли способ сократить N кадров информации в один ряд функций?
)
Обычной практикой является группировка последовательных кадров в окна последовательности, вычисление агрегированной статистики для каждого окна текстуры, а затем их повторное суммирование с использованием агрегированной статистики.
Статистика рассчитывается для каждого входного объекта (диапазон MFCC в вашем случае). Примеры статистических функций: среднее значение, стандартное отклонение, минимум, максимум. Размер текстуры может составлять от 1 до 60 секунд.
См. Низкоуровневые функции и тембр, Хуан Пабло Белло, MPATE-GE 2623 Music Information. Поиск
