音乐流派分类中Spectrogram存储占用远高于MFCC问题咨询

• 特征维度本质差异：MFCC是对原始频谱做梅尔滤波、离散余弦变换（DCT）后得到的低维特征，常规音乐分类任务中n_mfcc参数一般取13~40维；而STFT生成的谱图频率轴维度为n_fft/2 + 1，比如常用的n_fft=1024对应513维，仅频率轴维度就比MFCC高十几倍，两者时间轴维度基本一致，因此单条谱图的总数据量是MFCC的十几到几十倍。
• JSON存储的额外冗余：你将浮点型数组用tolist()转成列表后存入JSON，会把每个浮点数序列化为字符串存储，原本单精度浮点数仅占4字节，转成字符串后普遍占用10字节以上，再加上你设置了indent=4的格式化缩进，会额外写入大量空格、换行符，进一步放大了存储占用。
• 存图压缩的优化效果：你后续将谱图存为图片时，首先将浮点型的谱图数值映射为8位灰度/RGB像素（单像素仅占1~3字节），再加上PNG/JPG格式的自带压缩，存储占用自然比JSON存浮点列表低很多。

如果后续需要保留谱图的原始浮点数值，不想存为损失精度的压缩图片，可以用npy/npz、HDF5（h5py）这类专为数值数组设计的存储格式，比JSON存储效率高10倍以上，同时不会损失数值精度。

内容的提问来源于stack exchange，提问作者MadMac