用matlab软件提取音频中的特征量，包括MFCC,短时能量等

openSMILE3.0版本在Windows系统的安装包 注： 官方资源的github地址：https://github.com/audeering/opensmile/releases/tag/v3.0.0 可以直接去官网下载

matlab语音用频谱代码

音频特征提取的改进及可视化方法的研究 音频特征提取的改进及可视化方法的研究 音频特征提取的改进及可视化方法的研究

MFCC-MEL域倒谱系数，是基于人耳听觉特性的特征参数，在语音识别、音频分类检索等领域有广泛应用；

使用神经网络和其他分类器进行环境声音分类ESC 使用音频数据集进行音频特征提取和分类 包含ECS-10音频数据。 它包含10类不同的环境声音（海浪，孩子们玩耍等） 主要目标是比较6个经过测试的分类器的分类准确性。 依存关系 带有Python 2.7的Anaconda 2。 （尚未测试Python 3.6） Librosa（音频加载，音频可视化和特征提取） 科学工具学习 Keras（Theano后端） Numpy，Matplotlib 熊猫（数据可视化） Jupyter笔记本 添加了Jupyter Notebook（Python 2.7内核）以说明工作流程。 用于特征提取和分类的脚本已作为.py文件添加，并随后全部加载到Jupyter Notebook中。 运行feature_extraction.py label.npy创建一个numpy数组（ feature.npy ），

音频特征提取

pyAudioProcessing 一个基于Python的库，用于将音频数据处理为特征并构建机器学习模型。 入门 克隆项目并进行设置 git clone git@github.com:jsingh811/pyAudioProcessing.git pip install -e . 通过运行获取需求 pip install -r requirements/requirements.txt 选择项 功能选项： 您可以选择mfcc ， gfcc或gfcc,mfcc功能从音频文件中提取。 分类器选项： 您可以在svm ， svm_rbf ， randomforest ， logisticregression ， knn ， gradientboosting和extratrees 。 每个使用网格搜索的代码都包含超参数调整。 例子 使用gfcc功能和svm分类器的命令行示例。 训练： pyth

音频循环导入；预处理：去趋势，去噪；特征提取：时域频域特征

需要用到openSMILE批量提取音频情感特征的朋友可以下载。 该代码可以起到openSMILE批量提取音频情感特征的功能， 没有积分的朋友可以去某宝上买，很便宜哈哈