Log-Mel Spectrogram（ログメルスペクトログラム）とは？

01 / UNDERSTAND

仕組みと使いどころ

音声波形を短い区間に分け、短時間フーリエ変換でスペクトログラムを求めた後、メルフィルターバンクを適用し、対数へ変換して作成します。メル尺度は、周波数に対する人の知覚が非線形であることを近似する尺度です。音声認識モデルなどへ、時間変化を保った周波数特徴を入力する用途があります。ただし、サンプリング周波数、窓幅、フレーム間隔、メルフィルター数、メル尺度、対数化や正規化の方法は実装ごとに異なります。そのため、同じ音声でも設定が違えば値やフレーム数は一致しません。

02 / IN PRACTICE

Log-Mel Spectrogramの活用例

03 / GOOD TO KNOW

使うときのポイント

利用するモデルが指定するサンプリング周波数、メル帯域数、窓幅、フレーム間隔、対数化と正規化の方式を確認し、同じ設定で生成してください。