Spektrogramme, die mit Librosa erstellt wurden, sehen nicht wie Kaldi aus?

Question

Ich generierte Spektrogramm einer "sieben" Äußerung mit dem "egs/tidigits" -Code von Kaldi, mit 23 Bins, 20kHz Abtastrate, 25ms Fenster und 10ms Shift. Spektrogramm wird wie folgt über MATLAB imagesc Funktion visualisiert:

Ich experimentiere mit der Verwendung von Librosa als Alternative zu Kaldi. Ich habe meinen Code wie unten beschrieben mit der gleichen Anzahl von Bins, Abtastrate und Fensterlänge/Verschiebung wie oben beschrieben eingerichtet.

time_series, sample_rate = librosa.core.load("7a.wav",sr=20000) 
spectrogram = librosa.feature.melspectrogram(time_series, sr=20000, n_mels=23, n_fft=500, hop_length=200) 
log_S = librosa.core.logamplitude(spectrogram) 
np.savetxt("7a.txt", log_S.T) 

Allerdings, wenn ich die resultierende Librosa Spektrogramm der gleichen WAV-Datei visualisieren sieht es anders aus:

Kann jemand bitte helfen Sie mir zu verstehen, warum diese so anders aus? Über andere WAV-Dateien, die ich ausprobiert habe, stelle ich fest, dass mit meinem obigen Librosa-Skript meine Frikative (wie das/s/in "seven" im obigen Beispiel) abgeschnitten werden, was meine Genauigkeit der Ziffernklassifizierung stark beeinflusst. Vielen Dank!

Answer 1

Kaldi wendet Heber standardmäßig auf den Ausgang dct an, deshalb werden die oberen Koeffizienten gedämpft. Siehe Details here.