使用Librosa生成的频谱图与Kaldi看起来不一致？

Question

我使用Kaldi的“egs/tidigits”代码，使用23个采样率，20kHz采样率，25ms窗口和10ms偏移量生成“七个”话语的频谱图。频谱似乎是通过MATLAB于imagesc功能如下显现：

我用Librosa作为替代Kaldi试验。我使用与上面相同的bin数，采样率和窗口长度/移位来设置我的代码。

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，当我想象的一样WAV的产生Librosa谱图文件看起来不同：

是否有人可以帮助我了解为什么这些看起来如此不同？在我尝试过的其他WAV文件中，我注意到，使用上面的Librosa脚本，我的摩擦音（如上例中的/ s /在“seven”中）被截断，这极大地影响了我的数字分类准确性。谢谢！

Answer 1

Kaldi在dct输出中默认应用提升器，这就是为什么上层系数被衰减的原因。看详情here。