能否直接将spectrogram转换为MFCC？求对应的Python实现脚本

首先确认：存在直接转换的可行方案，前提是你手头的语谱图为线性幅度谱（即STFT计算后取模得到的原始结果，未经过对数压缩），如果是对数压缩后的语谱图也可以调整步骤适配。

转换核心逻辑 #

• 对输入的线性幅度谱做梅尔滤波组加权，得到梅尔频谱
• 对梅尔频谱做对数变换，得到对数梅尔频谱
• 对对数梅尔频谱做离散余弦变换（DCT），取前N个系数即为MFCC
• 可按需添加MFCC均值归一化、差分计算等后处理步骤

Python实现代码 #

依赖库：librosa、numpy，可通过pip install librosa numpy安装

import numpy as np
import librosa

def spec_to_mfcc(spectrogram, sr, n_mfcc=13, n_fft=2048, hop_length=512, fmin=0, fmax=None):
    """
    线性幅度谱转MFCC
    参数说明：
        spectrogram: 输入线性幅度谱，形状为 (n_fft//2 + 1, 时间帧数)
        sr: 原始音频采样率
        n_mfcc: 输出MFCC的系数数量，常规取13/20
        n_fft: 生成输入语谱图时使用的FFT点数，需和生成时的参数一致
        hop_length: 生成输入语谱图时使用的帧移长度，需和生成时的参数一致
        fmin: 梅尔滤波组最低频率，默认0
        fmax: 梅尔滤波组最高频率，默认取采样率的1/2
    返回值：
        mfcc: 输出MFCC特征，形状为 (n_mfcc, 时间帧数)
    """
    # 构建梅尔滤波矩阵
    mel_basis = librosa.filters.mel(sr=sr, n_fft=n_fft, fmin=fmin, fmax=fmax)
    # 计算梅尔频谱
    mel_spectrogram = np.dot(mel_basis, spectrogram)
    # 转换为对数刻度
    log_mel_spectrogram = librosa.power_to_db(mel_spectrogram, ref=np.max)
    # DCT变换得到MFCC
    mfcc = librosa.feature.mfcc(S=log_mel_spectrogram, n_mfcc=n_mfcc)
    return mfcc

# 示例调用
if __name__ == "__main__":
    # 模拟生成语谱图，实际使用时替换为你自己的语谱图即可
    y, sr = librosa.load(librosa.ex('trumpet'), sr=16000)
    stft_output = librosa.stft(y, n_fft=2048, hop_length=512)
    input_spec = np.abs(stft_output) # 线性幅度谱即为转换输入
    # 转换为MFCC
    output_mfcc = spec_to_mfcc(input_spec, sr=sr, n_mfcc=13, n_fft=2048, hop_length=512)
    print(f"输入语谱图形状：{input_spec.shape}")
    print(f"输出MFCC形状：{output_mfcc.shape}")

注意事项 #

如果你手头的语谱图已经经过对数压缩，需要先逆变换回线性谱再走上述流程，否则得到的MFCC会有偏差；如果输入是功率谱（幅度谱的平方），只需调整librosa.power_to_db的参数适配即可。

内容的提问来源于stack exchange，提问作者Priyazeet257