02｜如何量化分析语音信号？

老师，建议可以把参考资料，书籍罗列一下，作为深入扩展到了解。

老师，可以大概和我讲讲市面上k歌评分软件的道理么，我的理解是拿到一句唱句，然后做FFT获取到频谱，然后拿原唱做同样的事情，两者对比。但是我不清楚里面的更细节点。

老师: 在做音频分析的时候需要对音频信号进行截断，而这会导致频谱泄漏. 这句不太理解是如何导致频谱泄漏的, 能解释下么?

关于谐波有一些问题，老师能帮忙解答一下吗？ 1、谐波一定是基波的倍数吗？为什么？ 2、谐波频率变高的原因？

音视频应该特别适合电子和通信的人做，信号处理都是专业基础课啊

我用的是Python 3.9.7 老师的代码有一丢丢错误，改写后如下： #绘制STFT import numpy as np import librosa import librosa.display import matplotlib.pyplot as plt y,sr=librosa.load('/Users/xlongcheng/Downloads/Voodoo.mp3',sr=44100) n_fft=1024 ft = np.abs(librosa.stft(y[:n_fft], hop_length = n_fft+1)) plt.plot(ft) plt.title('Spectrum') plt.xlabel('Frequency Bin') plt.ylabel('Amplitude') #绘制梅尔频谱 mel_spect = librosa.feature.melspectrogram(y=y, sr=sr, n_fft=2048, hop_length=1024) mel_spect = librosa.power_to_db(mel_spect, ref=np.max) librosa.display.specshow(mel_spect, y_axis='mel', fmax=8000, x_axis='time'); plt.title('Mel Spectrogram'); plt.colorbar(format='%+2.0f dB'); 运行中会遇到一些错误，例如: ImportError: Numba needs NumPy 1.20 or less 解决方案： pip3 install numba==0.53

这里短时傅里叶变化中的一个帧是指一个声音采样点吗？感觉应该不是音频里的采样点中的帧概念呢

一、关于图7 看不太懂，横轴为频率，纵轴为声压级别，红线代表人耳感知的响度和实际声压的对应关系 1）搜索过“听感和声压级是正相关的”，那是声压级越高，人耳越敏感吗？ 但是文中提到 “由图 7 可以看到，人类在 4kHz 的频率对声音的响度比较敏感”，4kHz 时红线处于当前声压级最低点，那是声压级越低，表示人耳越敏感？ 后半句 “而在两端的高频和低频则需要更强的声压，人类才能感知。”，好像又都不是上面的意思，比较懵。 2）图7 是要表示与实际声压的关系，那纵轴频率是用来表示实际声压吗 二、关于思考题，使用文稿代码成功绘制出了两个图，其中STFT 的频谱图有点问题，发现无论使用什么音频，都是幅度为0.0的一条直线。

老师，咨询下，采用这些滤波器组处理，会不会引入很大时延？

老师，“在背景噪声较小的情况下，短时能量比较准确；但当背景噪声比较大时，短时平均过零率有较好的效果。”这是因为背景噪声多是浊音的缘故吗？