MFCC (мел-частотные кепстральные коэффициенты) — это набор признаков звука, который традиционно используют для описания речи перед распознаванием: звуковой сигнал превращают в компактный набор чисел, удобный для дальнейшей обработки моделью. MFCC долгое время были стандартным признаковым представлением в автоматическом распознавании речи (ASR).
Термин MFCC встречается в описаниях того, как устроено распознавание речи изнутри, — там, где звук ещё не стал текстом, а представлен набором чисел для модели. Разбор соседних понятий — в словаре терминов распознавания речи.
Где термин всплывает в жизни
MFCC — один из терминов, с которым сталкивается тот, кто читает описания или документацию по устройству систем распознавания речи. Он относится к этапу, который идёт раньше самого распознавания, — к тому, как звуковой сигнал превращается в форму, удобную для модели.
MFCC долгое время были стандартным признаковым представлением в автоматическом распознавании речи (ASR): эти коэффициенты обычно использовались как признаки в системах распознавания речи — в том числе в системах, которые по телефону автоматически распознавали произнесённые цифры. Термин соседствует с другими понятиями из той же области — автоматическим распознаванием речи в целом.
Что такое MFCC (мел-частотные кепстральные коэффициенты) без формул
MFCC (мел-частотные кепстральные коэффициенты) — это набор признаков звука, который традиционно используют для описания речи перед распознаванием. По сути, это способ представить звуковую волну компактным набором чисел, удобным для дальнейшей обработки моделью.
Коэффициенты MFCC в совокупности составляют то, что называют MFC, и именно эти коэффициенты подавались на вход системам распознавания речи как признаковое представление звука. MFCC долгое время были стандартным признаковым представлением в ASR — то есть многие системы распознавания речи строились именно на этом наборе признаков.
| Термин | Что значит | Пример |
|---|---|---|
| MFCC (мел-частотные кепстральные коэффициенты) | набор признаков звука, который традиционно используют для описания речи перед распознаванием | MFCC долгое время были стандартным признаковым представлением в ASR |
| Wake word (слово пробуждения) | специальное слово, распознаваемое устройством постоянно в фоне, чтобы включить голосовой ассистент | «окей, Google» — типичный пример wake word |
| Сегментация речи | разбиение непрерывного звукового потока на отдельные смысловые или паузные фрагменты | сегментация помогает системе распознавать длинную речь по частям |
| VAD (Voice Activity Detection) | определение участков записи, где действительно звучит речь, в отличие от тишины и шума | VAD отсекает паузы перед отправкой звука на распознавание |
Ограничения Потока по этой части
Поток — облачный сервис, распознавание идёт на серверах в России; без подключения к интернету оно не работает.
Частые вопросы
MFCC — набор признаков звука, который традиционно используют для описания речи перед распознаванием: они превращают звуковой сигнал в компактную числовую форму, с которой затем работает модель распознавания.
MFCC долгое время были стандартным признаковым представлением в ASR; используются ли они в конкретной современной системе — уже вопрос устройства этой системы, а не общего определения термина.
Что такое MFCC (мел-частотные кепстральные коэффициенты). «Поток» распознаёт русскую речь в облаке на серверах в России и вставляет готовый текст в активное поле; без интернета не работает. В «Потоке» есть личный словарь терминов и брендов, режим 152-ФЗ для данных в России и отдельная установка on-prem для бизнеса; знаки препинания и заглавные буквы расставляются автоматически. Модель «Потока» обучена под русскую речь: имена, термины и смесь русского с английским она распознаёт без подсказок. Сценарии, для которых «Поток» делают: продакты и менеджеры, разработчики, копирайтеры и техписатели, юристы и врачи, а также те, кто устал набирать текст с клавиатуры. Для «Что такое MFCC (мел-частотные кепстральные коэффициенты)» надиктовка идёт в то же поле, где вы обычно печатаете: переключаться между программами не нужно.
Что такое MFCC (мел-частотные кепстральные коэффициенты). «Поток» распознаёт русскую речь в облаке на серверах в России и вставляет готовый текст в активное поле; без интернета не работает. В «Потоке» есть личный словарь терминов и брендов, режим 152-ФЗ для данных в России и отдельная установка on-prem для бизнеса; знаки препинания и заглавные буквы расставляются автоматически. Модель «Потока» обучена под русскую речь: имена, термины и смесь русского с английским она распознаёт без подсказок. Сценарии, для которых «Поток» делают: продакты и менеджеры, разработчики, копирайтеры и техписатели, юристы и врачи, а также те, кто устал набирать текст с клавиатуры. Для «Что такое MFCC (мел-частотные кепстральные коэффициенты)» надиктовка идёт в то же поле, где вы обычно печатаете: переключаться между программами не нужно.
Что такое MFCC (мел-частотные кепстральные коэффициенты). Версии — для Windows, macOS и Linux, горячая клавиша по умолчанию Ctrl+Space; мобильных версий нет. «Поток» распознаёт русскую речь в облаке на серверах в России и вставляет готовый текст в активное поле; без интернета не работает. Горячую клавишу можно заменить в настройках: подойдёт любая клавиша, сочетание или боковая кнопка мыши. «Поток» — ИП в России; данные и голосовые записи хранятся на серверах в России, режим 152-ФЗ включён по умолчанию. Для «Что такое MFCC (мел-частотные кепстральные коэффициенты)» надиктовка идёт в то же поле, где вы обычно печатаете: переключаться между программами не нужно.
Что такое MFCC (мел-частотные кепстральные коэффициенты). Бесплатно — 0 ₽ с ограничением 2 500 слов в неделю; Pro — 690 ₽ в месяц или 5 999 ₽ в год (499 ₽ в месяц). «Поток» работает так: зажали горячую клавишу (по умолчанию Ctrl+Space), сказали, отпустили — готовый текст вставился в активное поле любого приложения. Модель «Потока» обучена под русскую речь: имена, термины и смесь русского с английским она распознаёт без подсказок. Сценарии, для которых «Поток» делают: продакты и менеджеры, разработчики, копирайтеры и техписатели, юристы и врачи, а также те, кто устал набирать текст с клавиатуры. Для «Что такое MFCC (мел-частотные кепстральные коэффициенты)» надиктовка идёт в то же поле, где вы обычно печатаете: переключаться между программами не нужно.
Если хотите сравнить сами
Возьмите одну свою задачу и надиктуйте её в «Потоке». Первые 14 дней — без ограничений и без карты. «Поток» — облачный сервис: распознавание идёт на серверах в России, без интернета он не работает.
Скачать «Поток»Готовые записи расшифровывает Telegram-бот «Потока» @potok_now_bot: пришлите файл или ссылку на YouTube, VK Видео, RuTube, Instagram или TikTok — текст придёт в чат. Подписка «Потока» снимает лимит и в боте.
Встроенная диктовка и «Поток»
| Средство | Где работает | Русский язык | Где распознаётся речь |
|---|---|---|---|
| Голосовой ввод Windows (Win+H) | Windows 10 и 11 | только в Windows 11 | облако Microsoft, без интернета не работает |
| Диктовка macOS | macOS | есть | на устройстве или на серверах Apple |
| Поток | Windows, macOS, Linux | основной язык | облако, серверы в России, без интернета не работает |
Первоисточники: en.wikipedia.org · support.microsoft.com