在多數的現代語音識別系統中，人們都會用到頻域特征。梅爾頻率倒譜系數（MFCC）,首先計算信號的功率譜，然后用濾波器和離散余弦變換的變換來提取特征。本文重點介紹如何提取MFCC特征。

首先創建有一個Python文件，并導入庫文件：     from scipy.io import wavfile     from python_speech_features import mfcc, logfbank     import matplotlib.pylab as plt1、首先創建有一個Python文件，并導入庫文件：     from scipy.io import wavfile     from python_speech_features import mfcc, logfbank     import matplotlib.pylab as plt

讀取音頻文件：

samplimg_freq, audio = wavfile.read("data/input_freq.wav")

提取MFCC特征和過濾器特征：

     mfcc_features = mfcc(audio, samplimg_freq)

     filterbank_features = logfbank(audio, samplimg_freq)

打印參數，查看可生成多少個窗體：

   print('/nMFCC:/nNumber of windows =', mfcc_features.shape[0])   print('Length of each feature =', mfcc_features.shape[1])   print('/nFilter bank:/nNumber of windows=', filterbank_features.shape                                                         [0])   print('Length of each feature =', filterbank_features.shape[1])

將MFCC特征可視化。轉換矩陣，使得時域是水平的：

   mfcc_features = mfcc_features.T   plt.matshow(mfcc_features)   plt.title('MFCC')

將濾波器組特征可視化。轉化矩陣，使得時域是水平的：

   filterbank_features = filterbank_features.T   plt.matshow(filterbank_features)   plt.title('Filter bank')      plt.show()